根据“Base”-Dictionary 从多个数据帧乘以值创建多个数据帧答案

【问题标题】：Create multiple dataframes out of several dataframes multipling value according to "Base"-Dictionary根据“Base”-Dictionary 从多个数据帧乘以值创建多个数据帧
【发布时间】：2021-03-15 08:24:20
【问题描述】：

我有一个数据帧字典dataframes，它是基于时间的配置文件，每个时间点的值x 和y。下图是字典和该字典的一个数据框

dataframes={'SG1':Dataframe, 'SG2':Dataframe, 'SG3':Dataframe, 'SG4':Dataframe, 'SG5':Dataframe}

Date	Time	value x	value y
01.01.2018	0:00	0.45	0.11
01.01.2018	0:15	0.42	0.20

对于那些我想创建新数据框字典的人； dataframes2，其中值x 和y 是旧数据帧乘以一个值的总和。该值包含在另一个嵌套字典中：

base_dict={'area1':{'SG1':0.0,'SG2':1.0}, 'area2':{'SG1':1.0,'SG2':0.0}}

（注意：我把字典写短了）

最后dataframes2 应该是这样的：

dataframes2={'area1':Dataframe, 'area2':Dataframe} 虽然 area1 看起来像这样：

Date	Time	value x	value y
01.01.2018	0:00	0.0 * SG1 value x+1.0* SG2 value x	0.0 * SG1 value y+1.0 * SG2 value y
01.01.2018	0:15	0.0 * SG1 value x+ 1.0 * SG2 value x	0.0 * SG1 value y+1.0 * SG2 value y

我想使用多个 for 循环，但我不确定从哪里开始。你能帮帮我吗？

【问题讨论】：

面积变量从何而来？

标签： python pandas dictionary

【解决方案1】：

如果您的所有数据帧都具有相同的日期和时间，您可以在一个 for 循环中执行此操作，迭代 base_dict 的键和值，并在 dataframes2 中为每个键创建一个条目：

for area, vals in base_dict.items():
    df_keys = list(vals.keys())
    dataframes2[area] = pd.DataFrame({'Date': dataframes[df_keys[0]].Date, 
                                      'Time': dataframes[df_keys[0]].Time, 
                                      'value x': dataframes[df_keys[0]]['value x']*vals[df_keys[0]] + dataframes[df_keys[1]]['value y']*vals[df_keys[1]], 
                                      'value y': accordingly

如果时间戳不同，您可以采用类似的方法，但您需要进行合并，而不是仅仅创建一个新的数据框。

编辑：我们在 cmets 中进行了讨论，但由于我无法在此处发布代码示例，因此这是我的代码的完整最小示例，它不返回 1x1 数据框：

df1 = pd.DataFrame({'x': range(5), 'y': range(5, 10), 'Date': pd.date_range(start='1/1/2018', periods=5)})
df2 = pd.DataFrame({'x': range(10,15), 'y': range(15,20), 'Date': pd.date_range(start='1/1/2018', periods=5)})
dataframes2 = {}
dataframes={'SG1': df1, 'SG2': df2}
base_dict={'area1':{'SG1':0.0,'SG2':1.0}, 'area2':{'SG1':1.0,'SG2':0.0}}
for area, vals in base_dict.items():
    df_keys = list(vals.keys())
    dataframes2[area] = pd.DataFrame({'Date': dataframes[df_keys[0]].Date, 
                                      'value x': dataframes[df_keys[0]]['x']*vals[df_keys[0]] + dataframes[df_keys[1]]['y']*vals[df_keys[1]]})

结果：

{'area1':         Date  value x
 0 2018-01-01     15.0
 1 2018-01-02     16.0
 2 2018-01-03     17.0
 3 2018-01-04     18.0
 4 2018-01-05     19.0,
 'area2':         Date  value x
 0 2018-01-01      0.0
 1 2018-01-02      1.0
 2 2018-01-03      2.0
 3 2018-01-04      3.0
 4 2018-01-05      4.0}

【讨论】：

应用这个我得到错误：TypeError: 'dict_keys' object does not support indexing
是的，我的错，您需要先将df_keys 转换为列表。我已经编辑了我原来的答案。
您使用的索引 1 和 2，例如。如果数据框的大小为 (96,4) ，您将如何更改？（对不起，如果这是一个愚蠢的问题）
索引用于字典中的键，而不是数据框中的键。尝试运行循环并打印df_keys 的值以了解。
另外，如果我的回答有帮助，请考虑点赞或接受。

【解决方案2】：

事实上，这里甚至可以使用推导式。诀窍是您可以对完整数据帧使用操作，前提是它们具有相同的索引和列。因此，如果您隐藏索引中的 Date 和 Time 列，一切正常：

dataframes2 ={k: sum(dataframes[name].set_index(['Date ', 'Time ']) * coeff 
                     for name, coeff in d.items()).reset_index()
              for k,d in base_dict.items()}

【讨论】：

这看起来是一个非常简洁的解决方案。但是，日期和时间需要单独存储在数据框中，因为这种形式对于导入另一个软件很重要。无论如何可以使用对象类型作为索引吗？（时间和日期存储为对象。即使这样不好，也是有原因的）谢谢！
我的代码包含一个reset_index，因为这个原因：日期和时间在操作后变成了普通列，来自dataframe2的数据帧与dataframes中的数据帧具有完全相同的结构

【解决方案3】：

注意：这是基于 Darina 的回答。因为这似乎很容易把它放在 cmets 中，所以我把它写成一个不同的答案。我更改了代码，因为 Darina 的回答创建了一个系列对象，并且数据框的大小为 1*1，这不是这里的目标。

`for area, vals in base_dict.items():
  df_keys = list(vals.keys())
    d=dataframes[df_keys[0]]['Date']
    t=dataframes[dfs_keys[0]]['Time']
    x=dataframes[df_keys[0]]['value x']*vals[df_keys[0]] + dataframes[df_keys[1]]['value x']*vals[df_keys[1]]
    y=dataframes[df_keys[0]]['value y']*vals[df_keys[0]] + dataframes[df_keys[1]]['value y']*vals[df_keys[1]]
    dataframes2[area] = pd.concat([d.to_frame(name='Date'),t.to_frame(name='Time'),x.to_frame(name='value x'),y.to_frame(name='value y')], axis=1)`

我避免使用.Date 和.Time，因为'Date' 和'Time' 值的数据类型不是datetime

【讨论】：