字典理解在存储的DataFrame中创建新列

问题描述 投票:0回答:2

我有一个字典,其值为Pandas DataFrames。我想在每个DataFrame中创建新列。我可以很容易地使用for循环,但我想要一个更加pythonic的方式来做它。字典理解似乎是一种理想的方式。如何使用字典理解来完成这项工作?

df1 = pd.DataFrame(data =[['2013',98],['2014',100],['2015',110],
                          ['2016',110],['2017',115]],
                   columns = ['Year','Value'])
df2 = pd.DataFrame(data =[['2013',85],['2014',90],['2015',95],
                          ['2016',97],['2017',99]],
                   columns = ['Year','Value'])
df3 = pd.DataFrame(data =[['2013',30],['2014',28],['2015',25],
                          ['2016',28],['2017',32]],
                   columns = ['Year','Value'])

d1 = {}
d1['df1'] = df1
d1['df2'] = df2
d1['df3'] = df3

for k in d1.keys():
    d1[k]['shifted'] = d1[k]['Value'].shift(2)
python pandas for-loop dataframe dictionary-comprehension
2个回答
1
投票

你可以创建一个在字典理解中调用的小辅助函数:

def add_shifted_col(df):
    df['shifted'] = df['Value'].shift(2)
    return df

{k: add_shifted_col(v) for k, v in d1.items()}

编辑:字典理解创建一个新的字典。要使用此更新原始内容,您可以调用:

d1.update({k: add_shifted_col(v) for k, v in d1.items()})

如果您只想有条件地将额外的系列添加到选定的数据帧,这可能会有所帮助,例如

update_these = ['df2', 'df3']
d1.update({k: add_shifted_col(v) for k, v in d1.items() if k in update_these})

在此示例中,将向df2和df3添加额外的系列,但不会更改df1。


0
投票

你可以试试concatkeys

l=[df1,df2,df3]
newdf=pd.concat(l,keys=['df1','df2','df3'])
newdf['shifted']=newdf.groupby(level=0).Value.shift(2)
newdf
Out[437]: 
       Year  Value  shifted
df1 0  2013     98      NaN
    1  2014    100      NaN
    2  2015    110     98.0
    3  2016    110    100.0
    4  2017    115    110.0
df2 0  2013     85      NaN
    1  2014     90      NaN
    2  2015     95     85.0
    3  2016     97     90.0
    4  2017     99     95.0
df3 0  2013     30      NaN
    1  2014     28      NaN
    2  2015     25     30.0
    3  2016     28     28.0
    4  2017     32     25.0

得到df1

newdf.loc['df1']
Out[438]: 
   Year  Value  shifted
0  2013     98      NaN
1  2014    100      NaN
2  2015    110     98.0
3  2016    110    100.0
4  2017    115    110.0
© www.soinside.com 2019 - 2024. All rights reserved.