date_min = min(df1['date'].min(), df2['date'].min())写一个循环，相同操作，1到14

你可以使用一个循环来对每个 DataFrame 执行相同的操作。具体实现方法如下：

import pandas as pd
import matplotlib.dates as mdates

# 创建一个空列表，用于存储所有的 DataFrame
dfs = []

# 循环读取文件
for i in range(1, 15):
    filename = 'E:/应统案例大赛/附件1-股票交易数据/a{}.xlsx'.format(i)
    df = pd.read_excel(filename)
    # 将每个 DataFrame 添加到列表中
    dfs.append(df)

# 计算所有 DataFrame 的 'date' 列的最小值
date_min = min([df['date'].min() for df in dfs])

这个循环会从 a1.xlsx 读取到 a14.xlsx，每次读取一个文件，并将其存储在 `df` 变量中，然后将每个 DataFrame 添加到 `dfs` 列表中。接下来，使用列表推导式计算所有 DataFrame 的 'date' 列的最小值，并将其赋值给 `date_min` 变量。在这个例子中，我使用 `[df['date'].min() for df in dfs]` 计算了一个列表，它包含了 `dfs` 列表中每个 DataFrame 的 'date' 列的最小值。然后，我使用 `min()` 函数找到这个列表中的最小值。

相关问题

#name_one = [fake.name() for i in range(100)] name_two = [fake.name() for i in range(20)] #date_list = [fake.date_between(start_date='-1y', end_date='today') for i in range(100)] data_df1=pd.read_excel(r"D:\xxx.xls") #print(data_df1.columns) data_df2=(data_df1["部门"].unique()) print(data_df2) for i in range(150): ks_list=[data_df2] if random.random() < 0.5: prefix = random.choice(ks_list) data_df3 = prefix +str(" ") + name_two print(data_df3) 修改

根据您的代码，我看到您想要生成一些假的数据并进行一些处理。如果您想要将 `name_two` 列表中的每个元素与 `data_df2` 中的每个元素随机组合，可以尝试以下代码：

import random
from faker import Faker
import pandas as pd

fake = Faker()

name_one = [fake.name() for i in range(100)]
name_two = [fake.name() for i in range(20)]
data_df1 = pd.read_excel(r"D:\xxx.xls")
data_df2 = data_df1["部门"].unique()

data_df3 = []

for i in range(150):
    prefix = random.choice(data_df2)
    if random.random() < 0.5:
        suffix = random.choice(name_two)
    else:
        suffix = random.choice(name_one)
    data_df3.append(prefix + " " + suffix)

data_df3 = pd.DataFrame(data_df3, columns=["新员工姓名"])
print(data_df3)

这样，您会得到一个名为 `data_df3` 的 Pandas 数据帧，其中包含了 `data_df2` 中的每个元素和 `name_one` 或 `name_two` 中的随机元素组合而成的新员工姓名。

df2 = df2.append(df1, ignore_index=True)将df1作为行添加到df2中时，提示'DataFrame' object has no attribute 'append'

如果您在使用 'DataFrame' object 的时候提示 'DataFrame' object has no attribute 'append' 的话，有可能是您的 pandas 版本太低。这个方法在新版的 pandas 中已经被弃用了。您可以使用concat()函数来实现行添加操作，例如：df2 = pd.concat([df2, df1], ignore_index=True)。这个函数的第一个参数是要拼接的 DataFrame 列表，第二个参数 ignore_index=True 表示忽略原有索引并重新生成新的索引。