Pandas：迭代连接存储在数据框字典中的列答案

【问题标题】：Pandas: iteratively concatenate columns stored in a dictionary of dataframesPandas：迭代连接存储在数据框字典中的列
【发布时间】：2017-04-01 04:15:36
【问题描述】：

假设我有一个包含 pandas 数据帧的字典，其中键是 0, 1, 2, ..., 999，值是这样的数据帧 (test_df)：

          A         B         C
0  1.438161 -0.210454 -1.983704
1 -0.283780 -0.371773  0.017580
2  0.552564 -0.610548  0.257276
3  1.931332  0.649179 -1.349062
4  1.656010 -1.373263  1.333079
5  0.944862 -0.657849  1.526811

假设索引对您没有任何意义，并且您想创建一个新的数据框，其中列 A 和 B 被连接：

mydf=pd.concat([test_df[0]['A'],test_df[0]['B']], axis=1, keys=['A','B'])

现在，我可以在 for 循环中使用这一行吗？该循环会遍历我的数据帧字典中的所有键？

如果不是，那么另一种方法是什么？结果将是一个包含两列的数据框，A 和B，以及6x1000 行。因此，索引列将从0 变为5999。

【问题讨论】：

标签： python pandas dictionary for-loop dataframe

【解决方案1】：

如果df_dic 是你的字典，你可以这样做：

pd.concat([df[['A', 'B']] for df in df_dic.values()]).reset_index(drop=True)

如果df_dic 包含两个键值对，结果如下所示：

【讨论】：

请放心：我认为我不会失去 A-to-B 配对，对吗？
当您执行df[['A', 'B']] 时，它会从您的数据框中选择列A 和B，因此列表推导会创建一个数据框列表，其中A 和B 从每个数据帧的顺序与原始数据帧中的顺序相同。所以是的，它不应该。