热更新大熊猫数据库

Question

我试图用新的信息更新我的数据库，但我不知道如何更新。

这是我的密码：

import pandas as pd

listofplayers = [['player1', 5,1,300,100],['player2', 10,5,650,150],['player3', 17,6,1100,1050]]
listofplayers2 = [['player1', 105,101,10300,10100],['player11', 1010,105,10650,10150],['player23', 1017,106,101100,101050]]


dictdataframe = {
    'player': [],
    'win': [],
    'loss': [],
    'moneywin': [],
    'moneyloss': []
    }


for i in listofplayers:
    y = 0
    for k in dictdataframe.keys():
        dictdataframe[k].append(i[y])
        y +=1

db = pd.DataFrame(dictdataframe)

我的产出应该是：

index,player,win,loss,moneywin,moneylost,
0,'player1', 105,101,10300,10100,
1,'player2', 10,5,650,150,
2,'player3', 17,6,1100,1050,
3,'player11', 1010,105,10650,10150,
4,'player23', 1017,106,101100,101050

我花了一整天的时间在网上，但我从来没有找到我需要的东西

Answer 1

编辑:哎呀，我错过了双player1！你说得对，这是一个更难的问题。我发现的最佳方法是创建两个数据帧，通过player对它们进行索引并调用combine_first。请注意，为此，如果希望df1中的值取代df2，则可以调用df2。如果您想设置自己的规则，可以使用combine，如这里所描述的那样。对此很抱歉！以下是代码：

add_to_dict(listofplayers,dictdataframe1)
add_to_dict(listofplayers2,dictdataframe2)
df1 = pd.DataFrame.from_dict(dictdataframe1).set_index('player')
df2 = pd.DataFrame.from_dict(dictdataframe2).set_index('player')

a = df2.combine_first(df1)

我们正在使用下面的add_to_dict函数。现在我们的产出是

           win  loss  moneywin  moneyloss
player                                   
player1    105   101     10300      10100
player11  1010   105     10650      10150
player2     10     5       650        150
player23  1017   106    101100     101050
player3     17     6      1100       1050

原始答案

不需要双for循环。你和dictdataframe走在正确的轨道上。与其过于花哨地使用多个循环，您只需遍历元素并将它们附加到其中！然后，您所需要做的就是用内置的熊猫方法发送到一个数据框架。

import pandas as pd

listofplayers = [['player1', 5,1,300,100],['player2', 10,5,650,150],['player3', 17,6,1100,1050]]
listofplayers2 = [['player1', 105,101,10300,10100],['player11', 1010,105,10650,10150],['player23', 1017,106,101100,101050]]

dictdataframe = {
    'player': [],
    'win': [],
    'loss': [],
    'moneywin': [],
    'moneyloss': []
    }


for x in listofplayers:
    dictdataframe['player'].append(x[0])
    dictdataframe['win'].append(x[1])
    dictdataframe['loss'].append(x[2])
    dictdataframe['moneywin'].append(x[3])
    dictdataframe['moneyloss'].append(x[4])

for x in listofplayers2:
    dictdataframe['player'].append(x[0])
    dictdataframe['win'].append(x[1])
    dictdataframe['loss'].append(x[2])
    dictdataframe['moneywin'].append(x[3])
    dictdataframe['moneyloss'].append(x[4])


df = pd.DataFrame.from_dict(dictdataframe)

这给了我们

     player   win  loss  moneywin  moneyloss
0   player1     5     1       300        100
1   player2    10     5       650        150
2   player3    17     6      1100       1050
3   player1   105   101     10300      10100
4  player11  1010   105     10650      10150
5  player23  1017   106    101100     101050

不过，这是相当冗长的。我们可以使用函数将循环抽象出去，如下所示：

def add_to_dict(listplayers,dictionary):
    for x in listplayers:
        dictionary['player'].append(x[0])
        dictionary['win'].append(x[1])
        dictionary['loss'].append(x[2])
        dictionary['moneywin'].append(x[3])
        dictionary['moneyloss'].append(x[4])
    
    return None #we are editing the input dictionary.

现在，我们可以调用所有列表上的函数，并将其转换为数据框架！

add_to_dict(listofplayers,dictdataframe)
add_to_dict(listofplayers,dictdataframe)
df = pd.DataFrame.from_dict(dictdataframe)

这给了我们同样的输出。如果你真的想加快它的速度，你可以让函数接受一个listofplayers的列表，并提出数据框架，但我将把它作为练习留给你。