循环浏览python数据帧字典问题

时间:2018-07-29 20:06:43

标签: python pandas

我是Python的新手,遇到了数据框架问题。在这里:

我有4个数据框,所有5列都是分类的:

print(dfn4.shape)

print(dfn4_99.shape)

print(dfn4_100.shape)

print(dfn4_1000.shape)

(37524, 5)

(921, 5)

(36603, 5)

(25000, 5)

我与他们一起创建字典:

dfl = ['dfn4', 'dfn4_99', 'dfn4_100', 'dfn4_1000']

dfs = {'dfn4':dfn4, 'dfn4_99':dfn4_99, 'dfn4_100':dfn4_100, 'dfn4_1000':dfn4_1000}

for df in dfl:
    print(df, " = ",dfs[df].shape) 

dfn4  =  (37524, 5)

dfn4_99  =  (921, 5)

dfn4_100  =  (36603, 5)

dfn4_1000  =  (25000, 5)

然后我从分类变量中创建虚拟变量:

 cat_vars=['caller_id'
             ,'u_contact_location'
             ,'category'
             ,'subcategory'
             ,'u_incident_type']
    for df in dfl:
         for var in cat_vars:
            cat_list = pd.get_dummies(dfs[df][var], prefix=var) 
            data2=dfs[df].join(cat_list)
            dfs[df]=data2

然后我再次检查它们的形状:

for df in dfl:
    print(df, " = ",dfs[df].shape) 

dfn4  =  (37524, 2348)

dfn4_99  =  (921, 442)

dfn4_100  =  (36603, 2328)

dfn4_1000  =  (25000, 2002)

没关系。但是当我检查其中之一的形状时,它看起来没有变化:

dfn4.shape

(37524, 5)

还有:

dfs['dfn4'].shape

(37524, 2343)

为什么两个数据框不同?我的意思是dfn4dfs['dfn4']

1 个答案:

答案 0 :(得分:0)

这些行出现问题:

data2 = dfs[df].join(cat_list)
dfs[df] = data2

pd.DataFrame.join不是就地操作(也就好像就地使用)。您正在将副本分配给变量data2,然后将data2分配给dfs[df]

这些操作不会更新原始数据帧dfn4。如果您希望这样做,则必须明确地执行此操作。但是使用字典的全部目的是避免显式命名的数据帧。坚持字典。

如果需要对数据帧集合的旧版本进行快照,请对字典进行深度复制。例如:

import copy

dfs = {'dfn4':dfn4, 'dfn4_99':dfn4_99, 'dfn4_100':dfn4_100, 'dfn4_1000':dfn4_1000}
dfs_original = copy.deepcopy(dfs)