在 python 中连接多个数据字典
Concatenating multiple data dictionaries in python
我用 year_quarter
键创建了多个数据字典。然后我在我有兴趣研究的其中一列 A
上使用了 .describe()
。现在我想用 .describe()
创建的统计信息创建一个 DataFrame
。
这就是我所做的:
H_cltn = {} #original data dictionaries
stat_cltn = {}
QY =['2013_1', '2013_2', '2013_3', '2013_4']
for item in QY:
stat_cltn[item] = H_cltn[item]['A'].describe()
df = pd.DataFrame(['count','mean','std','min','25%','50%','75%','max'])
for item in QY:
df[item] = pd.Series(stat_cltn[item])
但这给了我整个 table 的 NaN
值。
您或许可以按照以下方式进行简化:
QY =['2013_1', '2013_2', '2013_3', '2013_4']
df = pd.DataFrame()
for item in QY:
df = pd.concat([df, H_cltn[item]['A'].describe()], axis=1) ## possibly axis=0
我用 year_quarter
键创建了多个数据字典。然后我在我有兴趣研究的其中一列 A
上使用了 .describe()
。现在我想用 .describe()
创建的统计信息创建一个 DataFrame
。
这就是我所做的:
H_cltn = {} #original data dictionaries
stat_cltn = {}
QY =['2013_1', '2013_2', '2013_3', '2013_4']
for item in QY:
stat_cltn[item] = H_cltn[item]['A'].describe()
df = pd.DataFrame(['count','mean','std','min','25%','50%','75%','max'])
for item in QY:
df[item] = pd.Series(stat_cltn[item])
但这给了我整个 table 的 NaN
值。
您或许可以按照以下方式进行简化:
QY =['2013_1', '2013_2', '2013_3', '2013_4']
df = pd.DataFrame()
for item in QY:
df = pd.concat([df, H_cltn[item]['A'].describe()], axis=1) ## possibly axis=0