Python 操作后在循环中保存数据帧

我有一个循环，它获取一系列现有的数据帧并操纵它们的格式和值。我需要知道如何在循环结束时创建包含修改内容的新数据帧

示例如下：

import pandas as pd

# Create datasets
First = {'GDP':[200,175,150,100]}
Second = {'GDP':[550,200,235,50]}

# Create old_dataframes
old_df_1 = pd.DataFrame(First)
old_df_2 = pd.DataFrame(Second)

# Define references and dictionary
old_dfs = [old_df_1, old_df_2]
new_dfs = ['new_df_1','new_df_2']
dictionary = {}

# Begin Loop
for df, name in zip(old_dfs, new_dfs):

    # Multiply all GDP values by 1.5 in both dataframes
    df = df * 1.5    

    # ISSUE HERE - Supposed to Create new data frames 'new_df_1' & 'new_df_2' containing df*1.5 values: Only appends to dictionary. Does not create new_df_1 & new_df_2
    dictionary[name] = df

# Check for the existance of 'new_df_1 & new_df_2' (They will not appear)
%who_ls DataFrame

问题：我已标记了上述问题。我的代码不会创建“新数据帧1”和“新数据帧2”。它只是将它们添加到字典中。我需要能够创建新的_df_1和新的_df_2作为单独的数据帧。

from copy import deepcopy   #  to copy old dataframes appropriately

# create 2 lists, first holds old dataframes and second holds modified ones
old_dfs_list, new_dfs_list = [pd.DataFrame(First), pd.DataFrame(Second)], []

# process old dfs one by one by iterating over old_dfs_list, 
# copy, modify each and append it to list of new_dfs_list with same index as 
# old df ... so old_dfs_list[1] is mapped to new_dfs_list[1]

for i in range(len(old_dfs_list)):
  # a deep copy prevent changing old dfs by reference
  df_deep_copy = deepcopy(old_dfs_list[i]) 
  df_deep_copy['GDP'] *= 1.5
  new_dfs_list.append(df_deep_copy)

print( old_dfs_list[0] )   # to check that old dfs are not changed
print( new_dfs_list[0] )

您也可以尝试使用字典而不是列表来使用您喜欢的名称：

import pandas as pd
datadicts_dict = { 
                    'first' :{'GDP':[200,175,150,100]}, 
                    'second':{'GDP':[550,200,235,50]}, 
                    'third' :{'GDP':[600,400,520,100, 800]}
                    }

# Create datasets and store it in a python dictionary
old_dfs_dict, new_dfs_dict = {}, {}    # initialize 2 dicts to hold original and modified dataframes

# process datasets one by one by iterating over datadicts_dict, 
# convert to df save it in old_dfs_dict with same name as the key
# copy, modify each and put it in new_dfs_dict with same key 
# so dataset of key 'first' in datadicts_dict is saved as old_dfs_dict['first'] 
# modified and mapped to new_dfs_dict['first']

for dataset_name, data_dict in datadicts_dict.items():
    old_dfs_dict[dataset_name] = pd.DataFrame({'GDP':data_dict['GDP']})
    new_dfs_dict[dataset_name] = pd.DataFrame({'GDP':data_dict['GDP']}) * 1.5

print( old_dfs_dict['third'] )   # to check that old dfs are not changed
print( new_dfs_dict['third'] )

---

通过思考上面的答案，我最终无意中找到了一个可行的解决方案。我面临的问题是从字典中提取附加数据。我真的没有想到我可以从循环之外的字典中提取数据，然后形成数据帧

.
.
.
 # Begin Loop
    for df, name in zip(old_dfs, new_dfs):
    # Multiply all GDP values by 1.5 in both dataframes
    df = df * 1.5    

    # ISSUE HERE - Supposed to Create new data frames 'new_df_1' & 'new_df_2' containing df*1.5 values: Only appends to dictionary. Does not create new_df_1 & new_df_2
    dictionary[name] = df

# Solution - Extract from Dictionary and form Dataframe
new_df_1 = pd.DataFrame.from_dict(dictionary['new_df_1'])
new_df_2 = pd.DataFrame.from_dict(dictionary['new_df_2'])

# Check for the existance of 'new_df_1 & new_df_2'
%who_ls DataFrame

---

你能给出你的输入和预期输出的样本吗？这样一来，当循环被说出来时，你就可以更清楚地看到你在dfs中需要什么，并且不再担心我的问题。我刚刚创建了一个例子供大家学习。我希望这是清楚的。如果运行正确，最后一个命令%who_ls DataFrame应该返回['df'、'old_df_1'、'old_df_2'、'new_df_1'、'new_df_2']您发布的循环代码有什么问题？我的代码的问题是我的代码没有创建'new_df_1'和'new_df_2'作为数据帧。行字典[name]=df只是将它们全部附加到字典中。我不知道如何在循环中创建dfs。如果您运行我的代码并使用%who_ls_DataFrame检查新的数据帧，您将找不到“new_df_1&new_df_2使用数据帧字典有什么问题？实际上，这是首选的方法，而不是用许多数据帧淹没您的全局环境，而是使用一个数据帧的索引容器。如果数据帧存储在dict、list、tuple等中，则不会丢失任何功能。这种方法的问题在于它将数据帧附加在一起。我需要创建单独的数据帧“new_df_1”和“new_df_2”。你能告诉我如何调整/重写我的命令[dictionary[name]=df]吗。我只使用这种方法来引用数据帧的名称。我实际上不想将数据存储在字典中。如果需要，您有新的\u dfs\u列表[0]、新的\u dfs\u列表[1]和更多。数据帧不会附加在一起，而是保存在数据帧列表中：new_dfs_list。例如，如果您使用4个数据帧初始化了old_dfs_列表：old_dfs_列表[0]、old_dfs_列表[1]、old_dfs_列表[2]、old_dfs_列表[3]。。。您的新列表还将包含新的4个修改数据帧。假设您有100个旧数据帧。。。创建100个名为new_df_1，new_df_2，new_df_100而是创建一个列表new_dframes并将其索引为：new_dframes[0]，…，new_dframes[99]您不需要来自dict的

，
，但可以简单地分配：
new_df_1=dictionary['new_df_1']
。但正如上面所评论的，数据帧字典是存储许多类似的结构化数据帧的首选方法，在这些数据帧中不会丢失任何功能：
dictionary['new_df_1'].head（）
，
dictionary['new_df_1'].tail（）
，
dictionary['new_df_1'].description（）
。。。