dict理解嵌套列表以過濾多個變量的值

Question

我在遍歷的列表上有一個dict理解的工作示例：這會生成各種指示符（選擇），將我的數據行分成案例（順便說一句，這不是排他的）。

對於上下文：當我將表聚合到某些組時，這樣做是為了統計特定行（由列定義的標准）的情況。 這些指標現在被收集在單獨的數據框中，以便分別導出，盡管我也很高興將所有數據保存在一個數據框中，以便在可能的情況下進行一次匯總，連接和導出。

現在，我想將其嵌套到另一個循環中。 該循環將定義我為值選擇/過濾的其他變量。 因此，項目0仍將是條件本身（指標的總和為案例數），但項目1為TKOST的選定案例（ TKOST將看到用於單獨標准的選擇性總和），項目2為另一個變量現在讀。

但是對於該循環來說，也要影響變量名是有意義的，例如，對於計數（或neuro_count ）具有空白的neuro變量，對於神經病例而言，對於neuro_cost的總和具有TKOST等。這怎么可能？

示例代碼基本上來自Alexander在另一個問題上的答案 。 提供文件I / O和pandas部分用於上下文。

import pandas as pd

items = {'neuro': 'N', 
         'cardio': 'C', 
         'cancer': 'L', 
         'anesthetics': 'N01', 
         'analgesics': 'N02', 
         'antiepileptics': 'N03', 
         'anti-parkinson drugs': 'N04', 
         'psycholeptics': 'N05', 
         'psychoanaleptics': 'N06', 
         'addiction_and_other_neuro': 'N07', 
         'Adrugs': 'A', 
         'Mdrugs': 'M', 
         'Vdrugs': 'V', 
         'all_drugs': ''}

# Create data containers using dictionary comprehension.
dfs = {item: pd.DataFrame() for item in items.keys()}
monthly_summaries = {item: list() for item in items.keys()}

# Perform monthly groupby operations.
for year in xrange(2005, 2013):
    for month in xrange(1, 13):
        if year == 2005 and month < 7:
            continue
        filename = 'PATH/STUB_' + str(year) + '_mon'+ str(month) +'.txt'
        monthly = pd.read_table(filename,usecols=[0,3,32])
        monthly['year'] = year
        monthly['month'] = month
        dfs = {name: monthly[(monthly.ATC.str.startswith('{0}'.format(code))) 
                             & (~(monthly.TKOST.isnull()))]
                     for name, code in items.iteritems()}
        [monthly_summaries[name].append(dfs[name].groupby(['LopNr','year','month']).sum()
                                        .astype(int, copy=False)) 
         for name in items.keys()]

# Now concatenate all of the monthly summaries into separate DataFrames.
dfs = {name: pd.concat([monthly_summaries[name]], ignore_axis=True) 
       for name in items.keys()}

# Now regroup the aggregate monthly summaries.
monthly_summaries = {name: dfs[name].reset_index().groupby(['LopNr','year','month']).sum()
                    for name in items.keys()}

# Finally, save the aggregated results to files.
[monthly_summaries[name].to_csv('PATH/monthly_{0}_costs.csv'.format(name))
 for name in items()]

Answer 1

您應該首選顯式的for循環：

for name in items.keys():
    monthly_summaries[name].append(dfs[name].groupby(['LopNr','year','month']).sum()
                                            .astype(int, copy=False)

# rather than
[monthly_summaries[name].append(dfs[name].groupby(['LopNr','year','month']).sum()
                                         .astype(int, copy=False)) 
    for name in items.keys()]

后者創建了一個None的偽列表（並且可讀性較差），因此效率較低。

前者可以讓您輕松築巢...

---

但是對於這個循環來說，也影響變量名是有意義的，例如，對於計數（或Neuro_count）具有空白的神經變量，對於神經病例，對於TKOST的總和具有Neuro_cost等。這怎么可能？

我通常會添加列來進行這些計數，這樣就可以將其矢量化/拆分/其他。
（然后不要將這些列寫到csv中。）