Python中的DataFrame的DataFrame（Pandas）

Question

这里的想法是，每年，我能够创建三个数据框（df1，df2，df3），每个数据框包含不同的公司和股票价格（'公司'和'价格'是df1~df3中的两列）。 我想使用另一个数据帧（下面命名为“store”）来存储每年的三个数据帧。

这是我的代码：

store = pd.DataFrame(list(range(1967,2014)), columns=['year'])
for year in range(1967,2014):
    ....some codes that allow me to generate df1, df2 and df3 correctly...
    store.loc[store['year']==year, 'df1']=df1
    store.loc[store['year']==year, 'df2']=df2
    store.loc[store['year']==year, 'df3']=df3

我没有收到错误警告或此代码后的任何内容。 但在“商店”数据框中，列'df1'，'df2'和'df3'都是'NAN'值。

Answer 1

我认为大熊猫提供了更好的替代方案（你的建议如下）。

首先，有pandas.Panel数据结构，它适用于你在这里做的事情。

然而，正如Wes McKinney（熊猫作者）在他的“ 数据分析Python：与熊猫，NumPy和IPython的数据争夺”一书中指出的那样，多维指数在很大程度上提供了更好的选择。

考虑以下代码替代方法：

dfs = []
for year in range(1967,2014):
    ....some codes that allow me to generate df1, df2 and df3 
    df1['year'] = year
    df1['origin'] = 'df1'
    df2['year'] = year
    df2['origin'] = 'df2'
    df3['year'] = year
    df3['origin'] = 'df3'
    dfs.extend([df1, df2, df3])
df = pd.concat(dfs)

这为您提供了一个包含4列的DataFrame： 'firm' ， 'price' ， 'year'和'origin' 。

这使您可以灵活地：

• 按照'year'和'origin'等级组织： df.set_index(['year', 'origin']) ，比如'origin'和'price' ： df.set_index(['origin', 'price'])

• 根据不同的级别进行groupby

• 通常，以许多不同的方式对数据进行切片和切块。

你在这个问题中提出的建议使得一个维度（起源）任意地不同，并且很难想到它的优势。 如果由于某些维度的分割是必要的，例如性能，您可以将DataFrames与标准Python数据结构更好地结合起来：

• 每年将字典映射到具有其他三个维度的Dataframe。

• 三个DataFrame，每个原点一个，每个都有三个维度。