如何在两个或更多数据帧上进行 for 循环？

Question

我正在尝试对两个数据帧调用 df 和 df2 执行 for 循环。数据框每两列都包含价格。我正在尝试计算每个数据框中每个价格的 z 分数。所以最后，每个数据框现在将有四列。我有一个代码可以做到这一点，但它也创建了第三个数据框......为什么？

这是我的两个数据框的示例：

import pandas as pd
import numpy as np

df = pd.DataFrame(
         {"date": ["2021-01-31","2021-02-28", "2021-03-31","2021-04-30"],
          "Price1": [25, 30, 50, 10],
          "Price2": [30, 25, 50, 100]})
df.set_index("date", inplace=True)
df.index = pd.to_datetime(df.index)

df2 = pd.DataFrame(
         {"date": ["2021-01-31","2021-02-28", "2021-03-31","2021-04-30"],
          "Price1": [25, 30, 50, 10],
          "Price2": [30, 25, 50, 100]})
df2.set_index("date", inplace=True)
df2.index = pd.to_datetime(df2.index)

这是我想要的结果：

print(df)
             Price1   Price2  Price1_z   Price2_z      
2021-01-31      25      30   -0.262111  -0.716465                       
2021-02-28      30      25     0.087370 -0.885044                       
2021-03-31      50      50    1.485297 -0.042145                       
2021-04-30      10      100   -1.310556  1.643654                       

print(df2)
             Price1   Price2  Price1_z   Price2_z      
2021-01-31      25      30   -0.262111  -0.716465                       
2021-02-28      30      25     0.087370 -0.885044                       
2021-03-31      50      50    1.485297 -0.042145                       
2021-04-30      10      100   -1.310556  1.643654      

我的问题是它正在为列表中的最后一个数据帧创建第三个数据帧名称 frame = -> df2。

如果您在下面运行此代码，您会看到何时执行 print(df, df2, frame)：

import pandas as pd
import numpy as np

df = pd.DataFrame(
         {"date": ["2021-01-31","2021-02-28", "2021-03-31","2021-04-30"],
          "Price1": [25, 30, 50, 10],
          "Price2": [30, 25, 50, 100]})
df.set_index("date", inplace=True)
df.index = pd.to_datetime(df.index)

df2 = pd.DataFrame(
         {"date": ["2021-01-31","2021-02-28", "2021-03-31","2021-04-30"],
          "Price1": [25, 30, 50, 10],
          "Price2": [30, 25, 50, 100]})
df2.set_index("date", inplace=True)
df2.index = pd.to_datetime(df2.index)

for frame in [df,df2]:
    cols = list(frame.columns)
    for col in cols:
        col_zscore = col + '_z'
        frame[col_zscore] = (frame[col] - frame[col].mean())/frame[col].std(ddof=0)

print(df,df2,frame)

如何获得相同的结果但不创建第三个数据框？谢谢！

Answer 1

我的理解是，这是 Python 中 for 列表的标准行为，但如果它给您带来问题，您可以通过两种方式解决它。选项1，在循环后立即删除变量帧：

del frame

或者，您可以创建一个引用 df 和 df2 的 DataFrame 列表，然后对其进行循环：

import pandas as pd
import numpy as np

df = pd.DataFrame(
         {"date": ["2021-01-31","2021-02-28", "2021-03-31","2021-04-30"],
          "Price1": [25, 30, 50, 10],
          "Price2": [30, 25, 50, 100]})
df.set_index("date", inplace=True)
df.index = pd.to_datetime(df.index)

df2 = pd.DataFrame(
         {"date": ["2021-01-31","2021-02-28", "2021-03-31","2021-04-30"],
          "Price1": [25, 30, 50, 10],
          "Price2": [30, 25, 50, 100]})
df2.set_index("date", inplace=True)
df2.index = pd.to_datetime(df2.index)

dflist = [df, df2]

for num in range(len(dflist)):
    cols = list(dflist[num].columns)
    for col in cols:
        col_zscore = col + '_z'
        dflist[num][col_zscore] = (dflist[num][col] - dflist[num][col].mean())/dflist[num][col].std(ddof=0)

希望对您有所帮助！

Answer 2

你用不同的指针引用同一个对象。

考虑以下代码。在循环中，a、b 和 c 都被 letter 引用。

a = 10
b = 20
c = 30

for letter in [a,b,c]:
    pass

print(letter)
# 30

print(c is letter)
# True

在最后一次迭代中，字母指向变量c，并且在循环结束后仍然指向它。我们可以使用print(c is letter) 确认这一点。

---

在您提供的代码中，我们可以看到df2 和frame 是相同的。这可以通过将print(df2 is frame) 附加到代码块来确认。

import pandas as pd
import numpy as np

df = pd.DataFrame(
         {"date": ["2021-01-31","2021-02-28", "2021-03-31","2021-04-30"],
          "Price1": [25, 30, 50, 10],
          "Price2": [30, 25, 50, 100]})
df.set_index("date", inplace=True)
df.index = pd.to_datetime(df.index)

df2 = pd.DataFrame(
         {"date": ["2021-01-31","2021-02-28", "2021-03-31","2021-04-30"],
          "Price1": [25, 30, 50, 10],
          "Price2": [30, 25, 50, 100]})
df2.set_index("date", inplace=True)
df2.index = pd.to_datetime(df2.index)

for frame in [df,df2]:
    cols = list(frame.columns)
    for col in cols:
        col_zscore = col + '_z'
        frame[col_zscore] = (frame[col] - frame[col].mean())/frame[col].std(ddof=0)
        
print(df2 is frame)
# True