Question

有没有办法将数据源上的信息附加到熊猫系列？目前，我只是在数据框中添加了列，以指示每个变量的来源...

非常感谢您的想法和建议！

Answer 1

与大多数Python对象一样，您可以使用句点（.）语法添加属性。但是，请注意属性名称不要与标签冲突。这是一个演示：

import pandas as pd

s = pd.Series(list(range(3)), index=list('abc'))
s.a = 10
s.d = 20

print(s.a, s.d)

10 20

print(s)

a    10
b     1
c     2

如上所述，实际上您想添加a属性时，可能会不经意间覆盖标签的值。如here所述，缓解此问题的一种方法是执行简单的检查：

if 'a' not in s:
    s.a = 100
else:
    print('Attempt to overwrite label when setting attribute aborted!')
    # or raise a custom error

请注意，如here所述，对诸如GroupBy，pivot等数据帧的操作可能会返回删除了属性的数据副本。

最后，对于存储数据帧或附加元数据的系列，您可能希望考虑使用HDF5。例如，请参见this answer。

Answer 2

从官方pandas documentation：

要让原始数据结构具有其他属性，您应该   让pandas知道要添加什么属性。 pandas张地图不明   覆盖__getattribute__的数据名称的属性。定义   原始属性可以通过以下两种方法之一完成：



将_internal_names和_internal_names_set定义为不会传递给操纵结果的临时属性。



为常规属性定义_metadata，这些属性将传递给操作结果。



下面是定义两个原始属性的示例，   “ internal_cache”作为临时属性，“ added_property”作为临时属性   普通财产
class SubclassedDataFrame2(DataFrame):

    # temporary properties
    _internal_names = pd.DataFrame._internal_names + ['internal_cache']
    _internal_names_set = set(_internal_names)

    # normal properties
    _metadata = ['added_property']

@property
def _constructor(self):
    return SubclassedDataFrame2
_
>>> df = SubclassedDataFrame2({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
>>> df
   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

>>> df.internal_cache = 'cached'
>>> df.added_property = 'property'

>>> df.internal_cache
cached
>>> df.added_property
property

# properties defined in _internal_names is reset after manipulation
>>> df[['A', 'B']].internal_cache
AttributeError: 'SubclassedDataFrame2' object has no attribute 'internal_cache'

# properties defined in _metadata are retained
>>> df[['A', 'B']].added_property
property

如您所见，通过_metadata定义自定义属性的好处是，这些属性将在（大多数）一对一数据框操作期间自动传播。请注意，尽管在多对一数据框操作（例如merge()或concat()）中，您的自定义属性仍然会丢失。

将数据源信息附加到熊猫系列

2 个答案: