如何将多个函数应用于数据帧列表？

将多个函数应用于数据帧列表可以使用apply()函数。apply()函数可以在数据帧的行或列上应用一个函数，并返回结果。

在数据帧列表中，每个数据帧都可以看作是一个矩阵，其中行表示观测值，列表示变量。我们可以通过apply()函数对每个数据帧应用相同的函数，以实现对整个数据帧列表的操作。

下面是使用apply()函数将多个函数应用于数据帧列表的步骤：

1. 定义要应用的函数。可以是自定义函数或已有的函数。
2. 创建一个数据帧列表，包含多个数据帧。
3. 使用apply()函数对数据帧列表应用函数。指定函数作为第一个参数，数据帧列表作为第二个参数。
4. 指定apply()函数的第三个参数axis的值。如果要对每个数据帧的行应用函数，则axis=1；如果要对每个数据帧的列应用函数，则axis=2。

下面是一个示例代码，演示如何将两个函数应用于数据帧列表的每个数据帧的行：

import pandas as pd

# 定义要应用的函数
def sum_row(row):
    return row.sum()

def average_row(row):
    return row.mean()

# 创建数据帧列表
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]})
df_list = [df1, df2]

# 应用函数到数据帧列表的每个数据帧的行
result_sum = pd.DataFrame([df.apply(sum_row, axis=1) for df in df_list])
result_average = pd.DataFrame([df.apply(average_row, axis=1) for df in df_list])

# 打印结果
print("Sum:")
print(result_sum)
print("Average:")
print(result_average)

在这个示例中，我们定义了两个函数sum_row()和average_row()，分别用于计算每行的总和和平均值。然后，我们创建了两个数据帧df1和df2，并将它们存储在数据帧列表df_list中。最后，我们使用apply()函数将sum_row()和average_row()函数应用于df_list中的每个数据帧的行，并将结果存储在result_sum和result_average中。

请注意，这只是一个示例，你可以根据实际需求定义不同的函数，并根据需要调整apply()函数的参数。