如何处理使用 pandas 导入的数据？

Question

我正在使用 pandas 导入一些 .dta 文件并使用 numpy/sklearn 对场景进行一些统计。我将数据称为sample 我执行以下操作：

#   import neccessary packages
import pandas as pd
import numpy as np
import sklearn as skl

#   import data and give a little overview (col = var1-var5, 20 rows)
sample = pd.read_stata('sample_data.dta')
print('variables in dataset')
print(sample.dtypes)
print('first 5 rows and all cols')
print(sample[0:5])

# generate a new var
var6 = sample.var1/sample.var3

如果我直接按变量名称寻址变量（var1 与 sample.var1），则会收到错误消息。我觉得总是包含sample. 有点乏味。有什么好方法可以直接通过变量名调用变量吗？

Answer 1

请看这个人为的例子。通常我不喜欢搞乱locals() 和globals()，但我没有看到更干净的方法：

class A:
    def __init__(self):
        self.var1 = 1
        self.var2 = 2

obj = A()

locals().update(obj.__dict__)

print(var1)
print(var2)
>> 1
   2

由于您使用的是数据框，因此您必须循环通过 df.columns 而不是 __dict__。您的代码将类似于：

import pandas as pd

df = pd.DataFrame({'a':[1]})

for col in df.columns:
     locals().update({col: df[col]})

print(a)
>> 0    1
   Name: a, dtype: int64

这样做时你应该非常小心，因为这会覆盖你可能已经用相同名称定义的任何变量，例如：

import pandas as pd

a = 7

print(a)
>> 7

df = pd.DataFrame({'a':[1]})

for col in df.columns:
     locals().update({col: df[col]})

print(a)
>> 0    1
   Name: a, dtype: int64