通用腳本來連接DataFrames

Question

我有超過1000 dataframes（df_dict），其中一些元素可以是系列的字典系列：

Schedule_RCL_03312007 

Schedule_RCL_03312008 

Schedule_RCL_03312009 

Schedule_RCL_03312010(1_of_2) 

Schedule_RCL_03312010(2_of_2) 

Schedule_RCL_03312011(1_of_2) 

Schedule_RCL_03312011(2_of_2) 

Schedule_RCL_06302011(1_of_2) 

Schedule_RCL_06302011(2_of_2) 

我怎麼會選擇橫向串聯串行DataFrames（例如（1 2 ）和（2的2））以一般的方式？我知道如何執行特定情況下的功能，但我需要一些常用的數據可能會隨時間而改變。

Answer 1

你可以使用itertools.groupby：

from itertools import groupby 
from operator import itemgetter 
df_names = ['Schedule_RCL_03312007', 'Schedule_RCL_03312008', 'Schedule_RCL_03312009', 'Schedule_RCL_03312010(1_of_2)', 'Schedule_RCL_03312010(2_of_2)', 'Schedule_RCL_03312011(1_of_2)', 'Schedule_RCL_03312011(2_of_2)', 'Schedule_RCL_06302011(1_of_2)', 'Schedule_RCL_06302011(2_of_2)'] 

for key, grp in groupby(sorted([d.split('(') for d in df_names]), key=itemgetter(0)): # use df_dict.keys() instead of df_names 
    frames = ['('.join(f) for f in grp] 
    if len(frames) > 1: 
     print(key, frames) 
     df_dict[key] = pd.concat([df_dict[f] for f in frames], axis=1) 
     [df_dict.pop(key, None) for key in frames] # optional: remove serial frames 

它打印：

Schedule_RCL_03312010 ['Schedule_RCL_03312010(1_of_2)', 'Schedule_RCL_03312010(2_of_2)'] 
Schedule_RCL_03312011 ['Schedule_RCL_03312011(1_of_2)', 'Schedule_RCL_03312011(2_of_2)'] 
Schedule_RCL_06302011 ['Schedule_RCL_06302011(1_of_2)', 'Schedule_RCL_06302011(2_of_2)'] 

由於您使用的是dict，你可以使用df_dict.keys()代替。