在列表上创建多个 pandas 数据帧作为 function 迭代的输出

Question

我正在尝试使用 pytaxize itis.hierarchy_full的pytaxize itis.hierarchy_full 来从特定 ID 中检索有关生物物种的信息。

function 仅采用一个值/Id 并将所有分类信息保存在 pandas dataframe 中，我稍后可以编辑。

import pandas as pd
from pytaxize import itis
test1 = itis.hierarchy_full(180530, as_dataframe = True)

我有 800 个物种 ID，我想自动化该过程以获得 800 个不同的数据帧。

我以某种方式创建了一个包含一个小列表的测试（请注意，我是一名生物学家，所以代码非常基本并且可能效率低下：

species = [180530, 48739, 567823]

tx = {}
for e in species2:
    tx[e] = pd.DataFrame(itis.hierarchy_full(e, as_dataframe = True))

现在，如果我输入tx （我使用的是 Jupyter Notebook），我将获得一个 pandas 数据帧的字典（我认为它是一个嵌套字典）。 如果我输入tx[180530]我会得到一个 dataframe 等于我可以用原始 function 创建的那个。

from pandas.testing import assert_frame_equal
assert_frame_equal(test_180530, sp_180530)

现在我可以写一些东西来将存储在字典中的每个结果保存为单独的 dataframe：

sp_180530 = tx[180530]
sp_48739 = tx[48739]
sp_567823 = tx[567823]

有一种方法可以自动化该过程并将每个 dataframe 保存到 sp_id？ 或者更好的是，有一种方法可以在我创建 tx 的原始 function 中直接包含多个数据帧到 output？

Answer 1

不完全是你问的，但能够详细说明如何处理字典中的数据帧......要使用字典，循环遍历字典，然后一个一个地使用每个包含的 dataframe ......

for key in tx.keys():
    df_temp = tx[key]

    # < do all your stuff to df_temp .....>

    # Save the dataframe as you want/need (I assume as csv for here)    
    df_temp.to_csv(f'sp_{key}.csv')