通过创建新的 DataFrame 将函数应用于多个 DataFrame

Question

可能有人可以帮我找到解决方案：

我有 100 个数据框。每个数据帧包含时间 / High_Price / Low_price 我想创建新的 Dataframe，其中包含来自每个 DataFrame 的增益。

例子：

df1 = pd.DataFrame({"high":[5,4,5,2], 
                      "low":[1,2,2,1]},
                      index=["2019-04-06","2019-04-07","2019-04-08","2019-04-09"])

df100 = pd.DataFrame({"high":[7,5,6,7], 
                      "low":[1,2,3,4]},
                      index=["2019-04-06","2019-04-07","2019-04-08","2019-04-09"])

功能：

def myfunc(data, amount):
    data= data.loc[(data!=0).any(1)]
    profit = (amount/data.iloc[0]['low']) * data.iloc[-1]['high']
    return profit

输出应该是：

output= pd.DataFrame({"Gain":[1,6]},
                      index=["df1","df100"])

如何将函数应用于 100 个 DataFrame，并通过创建 DataFrame 仅从它们中获取 Gains，我们可以在其中看到 DataFrame 的名称和该 DataFrame 的 Gain？

Answer 1

将您的数据框放在一个列表中，并通过整数索引访问它们。将变量命名为df1 到df100 是不好的编程风格，因为a）数据帧属于一起，所以将它们放在一个集合（例如列表）中，b）你不能从它的值中获取对象的“名称”，导致解决诸如您现在面临的并发症。

所以让dfs 成为您的 100 个数据帧的列表，从索引 0 开始。

使用

amount = ... # the value you want to use
output = pd.DataFrame([myfunc(df, amount) for df in dfs], columns=['Gain'])

output 的索引现在对应于dfs 的索引，从 0 开始。没有理由将其重命名为 'df1' ... 'df100'，您没有获得任何信息，并且输出变得更难处理。

---

如果是任意数据框名称，请使用将名称映射到 df 的字典。让我们再次称它为dfs。然后使用

amount = ... # the value you want to use
output = pd.DataFrame([myfunc(df, amount) for df in dfs.values()], columns=['Gain'], index=dfs.keys()])

我假设myfunc 是正确的，我没有调试它。