来自现有数据框的数据框字典

Question

我有以下代码用于使用 csv 文件创建数据框字典：

l = ['employees','positions']
d = {}
for x in l:
    d[x] = pd.read_csv("P:\\python_work\\data_sets\\" + x + ".csv")

如何使用内存中已经存在的数据框列表来做同样的事情？

这不起作用，但也许它有助于澄清我正在尝试做的事情：

l = ['df1','df2']
d = {}
for x in l:
    d[x] = x

然后我就可以像这样访问单个数据帧：

d['df1']

我使用 csv 文件提供了示例，因为它可以工作并且具有相同的最终结果（数据框字典）。

以下是字典所需内容的示例：

{'employees':    id   name      date
 0   1    bob  1/1/2018
 1   2  sally  1/2/2018, 'positions':      pos      desc status
 0  12454  director      a
 1  65444   manager      i}

我想使用现有数据框的列表而不是 csv 文件。我尝试使用不带引号的列表，但出现错误：

l = [employees, positions]
d = {}
for x in l:
    d[x] = x

...但我收到此错误：

TypeError: 'DataFrame' objects are mutable, thus they cannot be hashed

Answer 1

问题是您要定义一个字符串列表并构建一个字典，将每个字符串映射到自身。更简单的是将enumerate 与可迭代的数据帧一起使用。假设 df1 和 df2 是数据帧：

d = dict(enumerate((df1, df2), 1))

然后通过d[1] 和d[2] 访问您的数据框。如果您真的希望您的键是字符串"df1" 和"df2"，您可以使用字典理解：

d = {'df'+str(i): j for i, j in enumerate((df1, df2), 1)}

在我看来，更好的命名约定是将文件名用作键：

files = ['employees', 'positions']
d = {f: pd.read_csv(f'P:\\python_work\\data_sets\\{f}.csv') for f in files}

Answer 2

你快到了，我添加了k 来说明在这种情况下你应该如何使用枚举

l = ['employees','positions']
k = [1,2]
d = {}
for index,x in enumerate(l):
    d[x] = k[index]

d 的返回值：

{'employees': 1, 'positions': 2}

超过你的数据框：

df_1 = d.get('employees')

（当然你必须用创建数据框来替换 k[index]）

Answer 3

已经有一个字典，其中包含内存中所有声明的变量，可通过locals() 或globals() 内置函数使用，具体取决于数据帧是定义为局部变量还是全局变量。您应该能够像这样访问您的 DataFrame：

locals()['df1']