时间戳

首页 > 解决方案 > 在存储的 DataFrame 中创建新列的字典理解

python - 在存储的 DataFrame 中创建新列的字典理解

问题描述

我有一本包含 Pandas DataFrames 值的字典。我想在每个 DataFrame 中创建新列。我可以轻松地使用 for 循环，但我想要一种更 Pythonic 的方式。字典理解似乎是一种理想的方法。这将如何使用字典理解来完成？

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)

标签： pythonpandasfor-loopdataframedictionary-comprehension

解决方案

您可以制作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字典。要使用此更新原始文件，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数据框的选择中，这可能会很有帮助，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 添加一个额外的系列，但不会更改 df1。

推荐阅读