如果我理解正确，你想把一个函数分别应用于多个Dataframe。
底层问题是，在函数中返回一个新的Dataframe，并用新的Dataframe替换列表中存储的Dataframe，而不是修改旧的原始Dataframe。
如果你想修改原始的，你必须使用 inplace=True 函数的参数。这是可能的，但不推荐，如这里所示。
因此，您的代码可以如下所示：

def dropunnamednancols(df):
    """
    Drop any columns staring with unnamed and NaN

    Args:
        df ([dataframe]): dataframe of which columns to be dropped
    """

    cols = [col for col in df.columns if (col is None) | (col.startswith('Unnamed'))]
    df.drop(cols, axis=1, inplace=True)

作为示例数据：

import pandas as pd
df_1 = pd.DataFrame({'a':[0,1,2,3], 'Unnamed':[9,8,7,6]})
df_2 = pd.DataFrame({'Unnamed':[9,8,7,6], 'b':[0,1,2,3]})

lst_dfs = [df_1, df_2]

[dropunnamednancols(df) for df in lst_dfs]

# df_1

# Out[55]:

# a

# 0  0

# 1  1

# 2  2

# 3  3

# df_2

# Out[56]:

# b

# 0  0

# 1  1

# 2  2

# 3  3

原因可能是您使用的枚举错误。在您的情况下，您只需要索引，因此您应该做的是：

for index in range(len(dfsublist)):
    ...

enumerate返回索引的元组和列表中的实际值。因此在您的代码中，循环变量索引实际上将被指定为：

(0, df1) # First iteration
(1, df2) # Second iteration
(2, df3) # Third iteration

因此，您可以正确使用enumerate并解压缩元组：

for index, df in enumerate(dfsublist):
    ...

或者您完全摆脱它，因为您可以通过任何一种方式访问带有索引的值。