Python - Pandas 在循环中操纵数据帧答案

【问题标题】：Python - Pandas manipulating data frames in loopsPython - Pandas 在循环中操纵数据帧
【发布时间】：2018-11-23 05:43:14
【问题描述】：

我正在使用 pandas 处理数据，并且在使用 for 循环时遇到了一些问题。

基本上，我正在处理一些价格的时间序列，我必须计算每日价格的百分比变化；我只需要使用这些值，并且只需要最后 750 天。假设我有三个数据框，每个产品 A、B 和 C 一个，其中仅包含日期和每日价格。我写了这个：

import pandas as pd

products= [A, B, C]

for df in products:
    df["change"] = df["price"].pct_change()
    df.drop(index = [0], columns="price", inplace = True)
    df = df.iloc[-751:-1]

现在，除了 for 循环中的最后一行之外，它可以正常工作。它不会覆盖 A、B 和 C 的原始数据帧，而是仅修改当前在标签 df 下的数据帧；这显示在变量列表中，其中 df 是唯一具有 750 行的数据框，所有其他数据框都有它们最初的数据减去丢弃的数据框。关于如何解决这个问题的任何想法？

在类似的说明中，我有一个关于内存使用的问题。对于这样的事情，假设我想运行回归或对数据进行一些分析，这会更好，将每个产品保存在单独的数据框中，还是将它们合并到一个大数据框中？ panda 有回归风格的功能，还是使用其他库更好，比如 numpy？

提前非常感谢！

【问题讨论】：

标签： python pandas dataframe time-series

【解决方案1】：

您可以使用比任何循环都更有效的 apply 函数

def youfunction(args):
    return something

产品= [A, B, C]

for df in products:
    df["change"] = df["price"].apply(yourfunction)

注意 lambda 表达式在这里不起作用。

【讨论】：

【解决方案2】：

您可以尝试将数据框放入字典中：

import pandas as pd

products= {'A':A, 'B':B, 'C':C}

for k, v in products.items():
    products[k]["change"] = products[k]["price"].pct_change()
    products[k].drop(index = [0], columns="price", inplace = True)
    products[k] = products[k].iloc[-751:-1]

希望对你有帮助

【讨论】：