如何遍历多个Pandas DataFrame并批量应用预测函数？

我来帮你梳理下现有代码里的问题，然后给出可行的解决方案～

首先，你的原始代码存在几个关键问题：

• 语法错误：把仓库列表赋值和for循环写在了同一行，不符合Python语法规范
• 覆盖原始数据：每次循环都重新赋值rawdf，会导致后续循环丢失原始数据集
• 筛选条件错误：用了整个DepotList作为筛选条件，而不是当前循环的单个仓库名
• 输出存储逻辑混乱：i在循环内初始化，每次都会重置为1，且output未提前初始化，会引发报错

修正后的代码方案 #

推荐用字典存储结果，这样可以直接用仓库名作为键，后续查看结果更直观：

方案1：手动指定仓库列表

# 定义需要处理的仓库列表
DepotList = ['A', 'B']
# 初始化字典存储每个仓库的预测结果
output = {}

for depot in DepotList:
    # 筛选当前仓库的数据，注意不要修改原始的rawdf
    depot_df = rawdf.loc[rawdf['DepotName'] == depot]
    # 对筛选后的DataFrame应用预测函数
    output[depot] = forecast(depot_df)

方案2：自动提取所有唯一仓库（更灵活）

如果不想手动写仓库列表，可以直接从原始DataFrame中提取所有唯一的DepotName：

# 自动获取所有不重复的仓库名称
DepotList = rawdf['DepotName'].unique().tolist()
output = {}

for depot in DepotList:
    depot_df = rawdf.loc[rawdf['DepotName'] == depot]
    output[depot] = forecast(depot_df)

简化版：用字典推导式

如果追求代码简洁，可以一行搞定：

output = {depot: forecast(rawdf[rawdf['DepotName'] == depot]) for depot in rawdf['DepotName'].unique()}

额外优化：处理空数据情况 #

如果某些仓库在原始数据中没有对应记录，可以加个判断避免报错：

output = {}
for depot in DepotList:
    depot_df = rawdf.loc[rawdf['DepotName'] == depot]
    if not depot_df.empty:
        output[depot] = forecast(depot_df)
    else:
        print(f"警告：仓库 {depot} 没有匹配的数据，已跳过预测")

这样修改后，就能正确拆分每个仓库的DataFrame并单独应用预测函数啦～

内容的提问来源于stack exchange，提问作者Ahamed Moosa