在 Python 中的列表中合并数据框列表

Question

我有 32 个单独的数据框列表。我需要将每个列表合并在一起，我期待 32 个不同的数据框。我知道如何将 1 个数据框列表合并在一起，但我目前正在计算 32 次不同的时间。我想知道是否有一种简单的方法可以进行相同的计算？我目前有这个，我知道我正在创建一个新变量，但我不知道如何将它从输入中分配回原始列表。 “Weather_List”是一个包含每个列表的列表，其中包含需要合并的数据框。

示例列表、data 和 data_day1 包含名为“snow”、“temp”等的数据帧。weather_list 包含 data 和 data_day1 列表

    data = [snow, temp, windspd]
    data_day1 = [snow_day1, temp_day1, windspd_day1]
    weather_list = [data, data_day1]
    def mergedf(item):
        reduce(lambda left,right: pd.merge(left,right,on=['Latitude','Longitude'], how = 'outer'), item


    [mergedf(items) for items in weather_list]

我需要稍后在我的程序中使用每个合并的数据框。

Answer 1

考虑map 以元素方式循环遍历您可以使用* 升级的对象列表。

data = [snow, temp, windspd]
data_day1 = [snow_day1, temp_day1, windspd_day1]
weather_list = [data, data_day1]

def proc_merge(left, right):
    return pd.merge(left, right, on=['Latitude', 'Longitude'])

df_list = list(map(proc_merge, *weather_list))

为了保留命名，请考虑使用键而不是未命名列表构建数据帧字典，您可以通过 zip 循环对其进行迭代：

names = ['snow', 'temp', 'windspd']
df_dict = {nm: lst for nm, lst in zip(names, map(proc_merge, *weather_list))}

df_dict['snow']      # SINGLE DATAFRAME
df_dict['temp']      # SINGLE DATAFRAME
df_dict['windspd']   # SINGLE DATAFRAME

对于两个以上的数据框，将reduce 与开放式参数数量相结合：

data = [snow, temp, windspd]
data_day1 = [snow_day1, temp_day1, windspd_day1]
data_day2 = [snow_day2, temp_day2, windspd_day2]
data_day3 = [snow_day3, temp_day3, windspd_day3]

weather_list = [data, data_day1, data_day2, data_day3]

def proc_merge(*dfs):
    return reduce(lambda left, right: pd.merge(left, right, on=['Latitude', 'Longitude'], how ='outer'), dfs)

names = ['snow', 'temp', 'windspd']
df_dict = {nm: lst for nm, lst in zip(names, map(proc_merge, *weather_list))}