我是python中的beginer。
我有三个结构相似的数据集，我想对每个数据集执行相同的过程并保存结果。我的代码运行得很好，但它只保存最后一个碱基的结果。？如何将结果保存在三个不同的数据集中？
我的代码看起来像：
bases = [base1, base1_a, base1_b]
for base in bases:
base = base.groupby(["Cliente_id", "Periodo_id"]).agg({"monto_2018": ["sum", "mean", "min", "max"]}).reset_index().round(1)
base.columns = base.columns.get_level_values(1)
base = base.set_axis(["Cliente_id", "Periodo_id", 'sum_v', 'mean_v', 'min_v', "max_v"], axis=1, inplace=False)
bases = [base1, base1_a, base1_b]
for base in bases:
base = base.groupby(["Cliente_id", "Periodo_id"]).agg({"monto_2018": ["sum", "mean", "min", "max"]}).reset_index().round(1)
base.columns = base.columns.get_level_values(1)
base = base.set_axis(["Cliente_id", "Periodo_id", 'sum_v', 'mean_v', 'min_v', "max_v"], axis=1, inplace=False)
当您在循环中分配base = base.groupby()时，您正在重新分配变量base以引用作为groupby()操作结果的新数据帧。这不会修改原始bases列表。
要获得新数据帧的列表，只需创建一个新列表：
bases = [base1, base1_a, base1_b]
results = [] # -----------------------------> create an empty list
for base in bases:
base = base.groupby(["Cliente_id", "Periodo_id"]).agg({"monto_2018": ["sum", "mean", "min", "max"]}).reset_index().round(1)
base.columns = base.columns.get_level_values(1)
base = base.set_axis(["Cliente_id", "Periodo_id", 'sum_v', 'mean_v', 'min_v', "max_v"], axis=1, inplace=False)
results.append(base) # ------------------> Add dataframe to the new list
我在这里选择了名称results作为通用名称。我强烈建议你使用一个不同的名字，更能描述你正在做的事情。
避免在全局环境中将结构相似的数据帧保存为单独的对象。现在是三，但很容易达到300！相反，继续使用列表(bases = [base1, base1_a, base1_b](或更好的字典，如下所示，然后使用用户定义的方法通过列表或字典理解来处理它。下面使用命名聚合来避免列标题操作。
# ASSIGN DATA FRAMES IN DICTIONARY
# IDEALLY. YOU CREATE DICT DIRECTLY FROM SOURCE VIA read_* METHODS
df_dict = {"base1": base1, "base1_a": base1_a, "base1_b": base1_b}
def process_data(base):
base = (
base.groupby(["Cliente_id", "Periodo_id"], as_index=False)
.agg(
sum_v=("monto_2018", "sum"),
mean_v=("monto_2018", "mean"),
min_v=("monto_2018", "min"),
max_v=("monto_2018", "max")
)
.round(1)
)
return base
# DICTIONARY COMPREHENSION TO ITERATE THROUGH ALL DATA FRAMES
new_df_dict = { k:process_data(v) for k,v in df_dict.items() }
然后根据需要调用字典元素，因为如果保存在类似列表或dict:的容器中，则不会丢失数据帧的功能
new_df_dict["base1"].head()
new_df_dict["base1_a"].tail()
new_df_dict["base1_b"].describe()