合并两个大熊猫dataframes与字典

Question

我有一个目前看起来像这样的字典：

raw_data = {'Series_Date':['2017-03-10','2017-03-11','2017-03-12','2017-03-13','2017-03-14','2017-03-15'],'Value':[1,1,1,1,1,1]} 
import pandas as pd 
df1= pd.DataFrame(raw_data,columns=['Series_Date','Value']) 
raw_data_ = {'Series_Date':['2017-03-16','2017-03-17','2017-03-18','2017-03-19','2017-03-20','2017-03-21'],'Value':[1,1,1,1,1,1]} 
df2= pd.DataFrame(raw_data_,columns=['Series_Date','Value']) 
dict = {} 
dict = {'Check':df1, 'Check2': df2} 
print dict 

我想找到一种方法来合并在我的字典两个数据框系列以这样的方式，关键是第一个系列的关键和值是合并的数据帧。我的结果字典应该看起来像：

raw_data = {'Series_Date':['2017-03-10','2017-03-11','2017-03-12','2017-03-13','2017-03-14','2017-03-15','2017-03-16','2017-03-17','2017-03-18','2017-03-19','2017-03-20','2017-03-21'],'Value':[1,1,1,1,1,1,1,1,1,1,1,1]} 
import pandas as pd 
df= pd.DataFrame(raw_data,columns=['Series_Date','Value']) 
dict = {} 
dict = {'Check':df} 
print dict 

有没有简单的方法来做到这一点？

Answer 1

您可以合并这两个框架，并在您的字典上写字。

df_merged = pd.concat(dict.values()).sort_values(by='Series_Date').reset_index(drop=True) 
dict = {dict.keys()[0] : df_merged} 

但是，由于键没有排序，'第一'信息在字典中丢失。所以dict.keys（）[0]不一定会给你第一个数据框的关键。您可以使用OrderedDict来解决此问题。

然后，它会是这样的：

raw_data = {'Series_Date':['2017-03-10','2017-03-11','2017-03-12','2017-03-13','2017-03-14','2017-03-15'],'Value':[1,1,1,1,1,1]} 
import pandas as pd 
from collections import OrderedDict 
df1= pd.DataFrame(raw_data,columns=['Series_Date','Value']) 
raw_data_ = {'Series_Date':['2017-03-16','2017-03-17','2017-03-18','2017-03-19','2017-03-20','2017-03-21'],'Value':[1,1,1,1,1,1]} 
df2= pd.DataFrame(raw_data_,columns=['Series_Date','Value']) 
dict = OrderedDict([('Check', df1), ('Check2', df2)]) 

df_merged = pd.concat(dict.values()).sort_values(by='Series_Date').reset_index(drop=True) 
dict = {dict.keys()[0] : df_merged}