使用循環或 lambda 在多個數據幀中添加具有相同字符串值的列的更有效方法？

Question

我想在我的 8 個相似數據框中的每一個中添加一個新列 Category。 此列中的值相同，它們也是 df 名稱，如本例中的df1_p8 。 我用過：

In:     df61_p8.insert(3,"Category","df61_p8", True)
# or simply, df61_p8['Category']='df61_p8'

Out:
        code    violation_description                                            Category
89491   9-1-503 Defective or obstructed duct system one- building                df61_p8
102045  9-1-503 Defective or obstructed duct system one- building                df61_p8
103369  9-1-503 Defective or obstructed duct system one- building                df61_p8
130440  9-1-502 Failure to maintain at least one (1) elevator                    df61_p8
132446  9-1-503 Defective or obstructed duct system one-  building               df61_p8

最終，我想將這 8 個數據幀附加/連接到一個 dataframe 中。

我想知道是否有更有效的方法來做到這一點，而不是在每個 dataframe 上一一使用.insert。 循環或 lambda 之類的東西。作為初學者，我不確定如何在我的情況下應用它們？ 謝謝你。

append_alldfs = []
x=[df61_p1,df61_p2,df61_p3,df61_p4,df61_p5,df61_p6,df61_p7,df61_p8]
lambdafunc = lambda x: x.insert(3,"Category","x",True)

Answer 1

您可以將pd.concat與keys參數一起使用，然后reset_index ：

pd.concat([df0,df1,df2,df3], keys=['df0', 'df1', 'df2', 'df3']).reset_index(level=0) 

MCVE：

df0  = pd.DataFrame(np.ones((3,3)), columns=[*'ABC'])
df1  = pd.DataFrame(np.zeros((3,3)), columns=[*'ABC'])
df2  = pd.DataFrame(np.zeros((3,3))+3, columns=[*'ABC'])
df3  = pd.DataFrame(np.zeros((3,3))+4, columns=[*'ABC'])

df_out = pd.concat([df0,df1,df2,df3], keys=['df0', 'df1', 'df2', 'df3']).reset_index(level=0)
df_out

Output：

  level_0    A    B    C
0     df0  1.0  1.0  1.0
1     df0  1.0  1.0  1.0
2     df0  1.0  1.0  1.0
0     df1  0.0  0.0  0.0
1     df1  0.0  0.0  0.0
2     df1  0.0  0.0  0.0
0     df2  3.0  3.0  3.0
1     df2  3.0  3.0  3.0
2     df2  3.0  3.0  3.0
0     df3  4.0  4.0  4.0
1     df3  4.0  4.0  4.0
2     df3  4.0  4.0  4.0

Answer 2

def add_column(df, col_name, col_value):
  return df.insert(loc=-1, column=col_name, value=col_value, allow_duplicates = False)

df_list = [........]
col_name = ... 
col_value = .... # copy column (Category) values

res = map(lambda df: add_column(df, col_name, col_value), df_list)
list(res)

Answer 3

保持簡單明了。

for col_val, df in [
   ('df61_p1', df61_p1),
   ('df61_p2', df61_p2),
   ('df61_p3', df61_p3),
   ('df61_p4', df61_p4),
   ('df61_p5', df61_p5),
   ('df61_p6', df61_p6),
   ('df61_p7', df61_p7),
   ('df61_p8', df61_p8),
]:
    df['Category'] = col_val

雖然肯定有更多的“元編程”方式來完成相同的任務，但這些方式通常非常復雜，並且更難理解和重構。

然而，鑒於這段代碼的結構，我想有一些方法可以在你到達這一點之前解決這個問題。

例如，這些數據幀是在什么時候被拆分的？ 也許首先從不使用單獨的數據幀[將原始的 dataframe 保持在一起/在開始時連接]（並根據需要使用 apply、groupby、pivot 和熔化操作），您可以完全避免這個問題。