在python数据帧字典中循环

Question

我是Python新手，遇到了数据帧问题。在这里：

我有4个数据帧，5列都是分类的：

print(dfn4.shape)

print(dfn4_99.shape)

print(dfn4_100.shape)

print(dfn4_1000.shape)

---

(37524, 5)

(921, 5)

(36603, 5)

(25000, 5)

---

我用它们编了一本字典：

dfl = ['dfn4', 'dfn4_99', 'dfn4_100', 'dfn4_1000']

dfs = {'dfn4':dfn4, 'dfn4_99':dfn4_99, 'dfn4_100':dfn4_100, 'dfn4_1000':dfn4_1000}

for df in dfl:
    print(df, " = ",dfs[df].shape) 

dfn4  =  (37524, 5)

dfn4_99  =  (921, 5)

dfn4_100  =  (36603, 5)

dfn4_1000  =  (25000, 5)

然后我从分类变量中创建虚拟变量：

 cat_vars=['caller_id'
             ,'u_contact_location'
             ,'category'
             ,'subcategory'
             ,'u_incident_type']
    for df in dfl:
         for var in cat_vars:
            cat_list = pd.get_dummies(dfs[df][var], prefix=var) 
            data2=dfs[df].join(cat_list)
            dfs[df]=data2

然后我再次检查它们的形状：

for df in dfl:
    print(df, " = ",dfs[df].shape) 

dfn4  =  (37524, 2348)

dfn4_99  =  (921, 442)

dfn4_100  =  (36603, 2328)

dfn4_1000  =  (25000, 2002)

这是可以的。但当我检查其中一个的形状时，它看起来没有变化：

dfn4.shape

(37524, 5)

然而：

dfs['dfn4'].shape

(37524, 2343)

为什么这两个数据帧是不同的？我是说dfn4和dfs['dfn4']

Answer 1

这些线路出现问题：

data2 = dfs[df].join(cat_list)
dfs[df] = data2

^{}不是就地操作（也不是像就地操作一样使用）。将副本分配给变量data2，然后将data2分配给dfs[df]

这些操作不会更新原始数据帧dfn4。如果你想这样做，你必须明确地这样做。但是使用字典的全部目的是避免显式命名的数据帧。坚持查字典

如果您需要对数据帧集合的旧版本进行快照，请对字典进行深度复制。例如：

import copy

dfs = {'dfn4':dfn4, 'dfn4_99':dfn4_99, 'dfn4_100':dfn4_100, 'dfn4_1000':dfn4_1000}
dfs_original = copy.deepcopy(dfs)