Erstellen neuer Datenrahmen in Pandas mit dynamischen Namen auch hinzufügen neue Spalte

Question

Ich habe einen Datenrahmen df

df = pd.DataFrame({'A':['-a',1,'a'], 
       'B':['a',np.nan,'c'], 
       'ID':[1,2,2], 
       't':[pd.tslib.Timestamp.now(),pd.tslib.Timestamp.now(), 
        np.nan]}) 

Added eine neue Spalte

df['YearMonth'] = df['t'].map(lambda x: 100*x.year + x.month) 

Jetzt möchte ich eine Funktion oder ein Makro schreiben, die tun Datum Vergleich, erstellen Sie einen neuen Datenrahmen und fügen Sie dem Datenrahmen eine neue Spalte hinzu.

ich so versucht, aber scheine, dass ich falsch bin dabei:

def test(df,ym): 
    df_new=df 
    if(ym <= df['YearMonth']): 
     df_new+"_"+ym=df_new 
     return df_new+"_"+ym 
    df_new+"_"+ym['new_col']=ym 

Nun, wenn ich Testfunktion aufrufen möchte ich einen neuer Datenrahmen sollte als df_new_201612 und dieser neue Datenrahmen sollte eine weitere Spalte mit dem Namen erstellt wird, hat mit dem Namen als new_col, die für alle Zeilen den Wert ym hat.

test(df,201612) 

Die Ausgabe neuen Datenrahmen ist:

df_new_201612

A B ID t       YearMonth new_col 
-a a 1 2016-12-05 12:37:56.374620 201612  201612 
1 NaN 2 2016-12-05 12:37:56.374644 201208  201612 
a c 2 nat       nan   201612 

Answer 1

Erstellen von Variablen mit dynamischen Namen sind in der Regel eine schlechte Praxis.

Ich denke, die beste Lösung für Ihr Problem ist, Ihre Datenframes in einem Wörterbuch zu speichern und dynamisch den Namen des Schlüssels zu generieren, um auf jeden Datenrahmen zuzugreifen.

import copy 

dict_of_df = {} 
for ym in [201511, 201612, 201710]: 

    key_name = 'df_new_'+str(ym)  

    dict_of_df[key_name] = copy.deepcopy(df) 

    to_change = df['YearMonth']< ym 
    dict_of_df[key_name].loc[to_change, 'new_col'] = ym 

dict_of_df.keys() 
Out[36]: ['df_new_201710', 'df_new_201612', 'df_new_201511'] 

dict_of_df 
Out[37]: 
{'df_new_201511':  A B ID      t YearMonth new_col 
0 -a a 1 2016-12-05 07:53:35.943  201612 201612 
1 1 NaN 2 2016-12-05 07:53:35.943  201612 201612 
2 a c 2 2016-12-05 07:53:35.943  201612 201612, 
'df_new_201612':  A B ID      t YearMonth new_col 
0 -a a 1 2016-12-05 07:53:35.943  201612 201612 
1 1 NaN 2 2016-12-05 07:53:35.943  201612 201612 
2 a c 2 2016-12-05 07:53:35.943  201612 201612, 
'df_new_201710':  A B ID      t YearMonth new_col 
0 -a a 1 2016-12-05 07:53:35.943  201612 201710 
1 1 NaN 2 2016-12-05 07:53:35.943  201612 201710 
2 a c 2 2016-12-05 07:53:35.943  201612 201710} 

# Extract a single dataframe 
df_2015 = dict_of_df['df_new_201511']