Python 迭代具有相同结构的数据帧的dict的最佳方法是，生成一个包含每个（行、列）元素和的数据帧？

我有一个dict，d1，其中每个值是一个两列（ID和Weight）的100行数据帧

我想遍历dict，对于每个数据帧，我想对n行中的所有“权重”值求和，其中n是表示该行的1到100之间的值。然后我想将输出写入另一个dict，d2，其中键是1-100，值是值的总和

示例d1值数据帧：

ID    Weight
1     0.021
2     0.445
3     1.018
..
..
..
99    77.31
100   234.04

基本上，假设我有10000个这样的数据帧，我想将10000个数据帧中ID 1的所有权重值相加，然后将10000个数据帧中ID 2的所有权重值相加，以此类推，直到ID 100

我有一个解决方案，基本上是一个嵌套循环。它起作用了，也会起作用。然而，我真的很想扩展我的基本熊猫/裸体知识，我想知道是否有一种更像蟒蛇的方法来做到这一点

我的现行守则：

for i in range (1,101):
    tot = 0
    for key, value in d1.items():
        tot = tot + value.at[i,'Weight']
    d2[i] = tot

---

非常感谢任何帮助和建议

您可以使用添加功能：

#create a zero filled dataframe
df = pd.DataFrame(0, index=np.arange(len(df1)), columns=df1.columns)
#iterate through dict and add values to df
for value in d1.values():
  df = df.add(value)

您可以通过

df_i=df_i.set_index（'ID'）

将您的

ID

设置为索引，然后将它们全部相加，以便只添加权重，然后在结尾处

df=df.reset_index（）

。 例如：

df:

---

Ehsan，非常感谢您的详细回复-我完全错过了熊猫添加功能-这将对我今后的工作非常有用。我真的很感激。一旦我可以投票，我会回来做你的答案！编辑：看来我现在可以投票了！

df1 = pd.DataFrame([(1,2),(3,4),(5,6)], columns=['ID','Weight'])
   ID  Weight
0   1       2
1   3       4
2   5       6

df2 = pd.DataFrame([(10,20),(30,40),(50,60)], columns=['ID','Weight'])
   ID  Weight
0  10      20
1  30      40
2  50      60

df3 = pd.DataFrame([(100,200),(300,400),(500,600)], columns=['ID','Weight'])
    ID  Weight
0  100     200
1  300     400
2  500     600

d1 = {'df1':df1,'df2':df2,'df3':df3}
df = pd.DataFrame(0, index=np.arange(len(df1)), columns=df1.columns)
print(df)
for value in d1.values():
  df = df.add(value)

    ID  Weight
0  111     222
1  333     444
2  555     666