将 dict 转换为具有更高级别的数据帧

Posted 2023-03-12

【中文标题】将 dict 转换为具有更高级别的数据帧

【英文标题】：convert a dict to a dataframe with one more level

【发布时间】：2019-01-11 21:24:49

【问题描述】：

我有一个字典，它的两个元素是两个具有相同索引和列名的数据框。就像下面的代码：

my_dict = 
my_dict['df1'] = pd.DataFrame(np.arange(6).reshape(3,2),index = ['r1','r2','r3'],columns=['c1', 'c2'])
my_dict['df2'] = pd.DataFrame((np.arange(6)+10).reshape(3,2),index = ['r1','r2','r3'],columns=['c1', 'c2'])

my_dict['df1'] 
Out[1]: 
    c1  c2
r1   0   1
r2   2   3
r3   4   5

my_dict['df2']
Out[2]: 
    c1  c2
r1  10  11
r2  12  13
r3  14  15

如何将 dict 转换为一个数据帧。索引将保持与原始索引相同，但我为以下列增加了一层：

    df1     df2
    c1  c2  c1  c2
r1   0   1  10  11
r2   2   3  12  13
r3   4   5  14  15

【问题讨论】：

你试过这个答案了吗：***.com/questions/18262962/…

Concatenate Pandas columns under new multi-index level的可能重复

如上链接建议，你可以试试pd.concat(my_dict.values(), axis=1, keys=my_dict.keys())

谢谢！ @student 太好了。一个小问题，链接提到“应该避免以这种方式使用 d.values 和 d.keys，因为不能保证订单会得到维护”。你知道如何维护订单吗？

我在讨论后添加了答案，您可以检查它是否有效。

【参考方案1】：

你试过了吗：

df1=my_dict['df1']
df2=my_dict['df2']
df1.columns = [['df1']*df1.shape[1],df1.columns]
df2.columns = [['df2']*df2.shape[1],df2.columns]
df1.join(df2)

【讨论】：

谢谢。有用。但我认为学生的回答更适合我的情况，因为我必须在同一周内组合数百个数据框。

是的，学生打败了我！

【参考方案2】：

您可能需要类似于other answer 的东西。正如其他答案中的讨论指出的那样，仅使用pd.concat(my_dict.values(), axis=1, keys=my_dict.keys()) 并不能保证.values() 和.keys() 的顺序相同。

因此，k, values = zip(*my_dict.items()) 可用于保留订单并将它们与pd.concat 一起使用：

k, values = zip(*my_dict.items())
new_df = pd.concat(values, keys = k, axis=1)