for循环中使用pandas.get_dummies无法修改DataFrame，求解决方案

问题的核心在于：pd.get_dummies() 不会直接修改原DataFrame，而是返回一个全新的DataFrame对象。你的两种循环方式都没有把新生成的对象重新赋值给原来的data_train和data_val变量，所以原变量自然不会有变化。

快速解决方案 #

方案1：直接手动赋值（最简单直观）

既然get_dummies没有inplace参数，直接对每个DataFrame单独处理并重新赋值是最清晰的方式：

data_train = pd.get_dummies(data_train, columns=categorical_fields)
data_val = pd.get_dummies(data_val, columns=categorical_fields)

方案2：用列表推导式批量处理并解包

如果想减少重复代码，可以用列表推导式生成处理后的DataFrame列表，再直接赋值给原变量：

data_train, data_val = [pd.get_dummies(df, columns=categorical_fields) for df in [data_train, data_val]]

方案3：用字典管理后更新

如果后续还有更多DataFrame需要处理，用字典来管理会更灵活：

# 把需要处理的DataFrame存入字典
df_dict = {"train": data_train, "val": data_val}

# 循环处理每个DataFrame
for name in df_dict:
    df_dict[name] = pd.get_dummies(df_dict[name], columns=categorical_fields)

# 把处理后的结果重新赋值给原变量
data_train = df_dict["train"]
data_val = df_dict["val"]

为什么你的原代码无效？ #

• 第一种循环：for df in data_cleaner中的df只是原DataFrame的临时引用，当你执行df = pd.get_dummies(...)时，只是把df指向了新的对象，完全不会影响原来的data_train和data_val。
• 第二种循环：你修改了data_cleaner[i]的值，但data_train本身是独立变量，它并没有和data_cleaner列表绑定——列表里存的只是原对象的引用，当你把data_cleaner[i]赋值为新对象后，data_train依然指向旧的未处理对象。

内容的提问来源于stack exchange，提问作者Daisuke SHIBATO