Python 根据“从多个数据帧乘以值中创建多个数据帧”；“基础”-字典

我得到了一个数据帧字典，

dataframes

，它是基于时间的配置文件，每个时间点的值为

x

和

y

。下面显示了字典和该字典的一个数据帧

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

日期 时间 值x y值 01.01.2018 0:00 0.45 0.11 01.01.2018 0:15 0.42 0.20

---

如果所有数据帧的日期和时间都相同，则可以在一个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，您可以使用类似的方法，但不只是创建新的数据帧，您需要使用合并

编辑：我们在评论中对此进行了讨论，但由于我无法在那里发布代码示例，下面是我的代码的一个完整的最小示例，它不返回1x1数据帧：

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}

---

事实上，这里甚至可以使用理解。诀窍在于，您可以对完整的数据帧使用操作，只要它们具有相同的索引和列。因此，如果在索引中隐藏

日期

和

时间

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()}

---

注：这是基于Darina的回答。因为这似乎是我在评论中的一个不同的答案。我更改了代码，因为Darina的答案是创建了一个series对象，数据帧的大小为1*1，这不是本文的目标

`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)` 

---

我避免了

.Date

和

.Time

，因为

'Date'

和

'Time'

值的数据类型不是

datetime
区域变量从何而来？应用该变量时，我得到错误：TypeError:'dict\u keys'对象不支持索引是的，我的错，您需要先将
df_键
转换为列表。我已经编辑了我的原始答案。例如，我使用了索引1和索引2。如果数据帧的大小为（96,4），您将如何更改？（如果这是一个愚蠢的问题，请回答）索引用于字典中的键，而不是数据帧中的键。尝试运行循环并打印<代码> DFYKEYS/<代码>的值。如果我的答案是有用的，请考虑接受或接受。这看起来是一个非常巧妙的解决方案。但是，日期和时间需要单独存储在数据框中，因为此表单对于在其他软件中导入很重要。无论如何，是否可以使用对象类型作为索引？（时间和日期存储为对象。即使这不好，也有原因）谢谢！我的代码包含一个
reset_索引
，原因是：在操作后，日期和时间会返回普通列，并且
dataframe2
中的数据帧与
dataframes中的数据帧具有完全相同的结构