Desarrollo de Python
  1. Desarrollo de Python
  3. Cómo aplicar la función a múltiples marcos de datos pandas
Intereting Posts
TensorBoard: ¿Cómo trazar histogtwig para gradientes? Cómo obtener la entrada del usuario dentro de un método (python) ¿Cómo obtener la posición del artículo en una lista? ¿Qué significa “SSLError: PEM lib (_ssl.c: 2532)” mediante el uso de la biblioteca ssl de Python? Página web de Cant Scrape con Python Requests Library Comprobando la fecha contra el rango de fechas en Python ¿Qué tal tener un SingletonModel en Django? Uso de la herramienta de cobertura de código Python para comprender y eliminar el código fuente de una biblioteca grande Reemplazar las tags de la leyenda Matplotlib con imagen Modelo de memoria Python para este progtwig. Convertir Python ElementTree a cadena Api de detección de objetos TensorFlow: la clasificación de pesos se inicializa al cambiar el número de clases en el entrenamiento utilizando modelos pre-entrenados ¿Hay un equivalente a CTRL + C en IPython Notebook en Firefox para romper las celdas que se están ejecutando? ¿Una clase derivada tiene automáticamente todos los atributos de la clase base? Concatene dos int de 32 bits para obtener un bit de 64 bits en Python

Cómo aplicar la función a múltiples marcos de datos pandas

Tengo múltiples marcos de datos: 

df1, df2, df3,..., dfn

Tienen el mismo tipo de datos pero de diferentes grupos de descriptores que no se pueden unir. Ahora necesito aplicar la misma función a cada dataframe manualmente.

¿Cómo puedo aplicar la misma función a múltiples marcos de datos?

Si los marcos de datos tienen las mismas columnas, se pueden concat en un solo dataframe, pero de lo contrario no existe una forma “inteligente” de hacerlo: 

 df1, df2, df3 = (df.apply(...) for df in [df1, df2, df3]) # or either .map or .applymap

pipe + comprension

Si sus marcos de datos contienen datos relacionados, como en este caso, debe almacenarlos en una list (si el orden numérico es suficiente) o dict (si necesita proporcionar tags personalizadas a cada dataframe). Luego puede pipe cada dataframe a través de una función foo través de una comprensión.

Ejemplo de lista 

 df_list = [df1, df2, df3] df_list = [df.pipe(foo) for df in df_list]

Luego acceda a sus marcos de datos a través de df_list[0] , df_list[1] , etc.

Ejemplo de diccionario 

 df_dict = {'first': df1, 'second': df2, 'third': df3} df_dict = {k: v.pipe(foo) for k, v in df_dict.items()}

Luego acceda a sus marcos de datos a través de df_dict['first] , df_dict['second'] , etc.