Python Pandas Dynamisch Erstellen eines Datenrahmens

Question

Der folgende Code generiert die gewünschte Ausgabe in ONE Datenrahmen, jedoch möchte ich dynamisch Datenrahmen in einer FOR-Schleife erstellen und dann den verschobenen Wert diesem Datenrahmen zuweisen. Beispiel, Datenrahmen df_lag_12 würde nur column1_t12 und column2_12 enthalten. Irgendwelche Ideen würden sehr geschätzt werden. Ich habe versucht, dynamisch mit der EXEC-Anweisung 12 Datenrahmen zu erstellen, die Google-Suche scheint dies als schlechte Praxis zu bezeichnen.

import pandas as pd 
list1=list(range(0,20)) 
list2=list(range(19,-1,-1)) 
d={'column1':list(range(0,20)), 
    'column2':list(range(19,-1,-1))} 
df=pd.DataFrame(d) 
df_lags=pd.DataFrame() 
for col in df.columns: 
    for i in range(12,0,-1): 
     df_lags[col+'_t'+str(i)]=df[col].shift(i) 
    df_lags[col]=df[col].values 
print(df_lags) 
for df in (range(12,0,-1)): 
    exec('model_data_lag_'+str(df)+'=pd.DataFrame()') 

gewünschte Ausgabe für dymanically Datenrahmen DF_LAGS_12 erstellt:

var_list=['column1_t12','column2_t12'] 
df_lags_12=df_lags[var_list] 
print(df_lags_12) 

Answer 1

Ich denke, das Beste ist dictionary of DataFrames erstellen:

d = {} 
for i in range(12,0,-1): 
    d['t' + str(i)] = df.shift(i).add_suffix('_t' + str(i)) 

Wenn Bedarf ersten Spalten angeben:

d = {} 
cols = ['column1','column2'] 
for i in range(12,0,-1): 
    d['t' + str(i)] = df[cols].shift(i).add_suffix('_t' + str(i)) 

dict comprehension Lösung:

d = {'t' + str(i): df.shift(i).add_suffix('_t' + str(i)) for i in range(12,0,-1)} 

---

print (d['t10']) 
    column1_t10 column2_t10 
0   NaN   NaN 
1   NaN   NaN 
2   NaN   NaN 
3   NaN   NaN 
4   NaN   NaN 
5   NaN   NaN 
6   NaN   NaN 
7   NaN   NaN 
8   NaN   NaN 
9   NaN   NaN 
10   0.0   19.0 
11   1.0   18.0 
12   2.0   17.0 
13   3.0   16.0 
14   4.0   15.0 
15   5.0   14.0 
16   6.0   13.0 
17   7.0   12.0 
18   8.0   11.0 
19   9.0   10.0 

EDIT: Ist es möglich, von Globals, aber viel besser ist dictionary:

d = {} 
cols = ['column1','column2'] 
for i in range(12,0,-1): 
    globals()['df' + str(i)] = df[cols].shift(i).add_suffix('_t' + str(i)) 

print (df10) 
    column1_t10 column2_t10 
0   NaN   NaN 
1   NaN   NaN 
2   NaN   NaN 
3   NaN   NaN 
4   NaN   NaN 
5   NaN   NaN 
6   NaN   NaN 
7   NaN   NaN 
8   NaN   NaN 
9   NaN   NaN 
10   0.0   19.0 
11   1.0   18.0 
12   2.0   17.0 
13   3.0   16.0 
14   4.0   15.0 
15   5.0   14.0 
16   6.0   13.0 
17   7.0   12.0 
18   8.0   11.0 
19   9.0   10.0