如何创建以Track值为键的DataFrame字典并通过键值取回对应DataFrame

我现在运行着这样的for循环：

tracks = [1010, 2020]

df_list = []
for i in tracks:
    query = ''' quer_here '''
    df = pd.read_sql(query, con=con)
    to_dict = df.to_dict()
    df_list.append(to_dict)

这段代码会执行SQL查询，把结果转为pandas DataFrame，再转成字典存入列表。现在我可以通过pd.DataFrame(df_list[0])取回对应的DataFrame，但我想改成用循环里的i值作为键来存储每个字典，这样就能通过pd.DataFrame(df_dict[1010])或者pd.DataFrame(df_dict[2020])来取回DataFrame，请问该怎么实现？

实现方法 #

只需要把原来的列表df_list替换成字典df_dict，在循环中直接将i作为键、DataFrame转成的字典作为值存入即可：

基础修改版 #

tracks = [1010, 2020]

df_dict = {}  # 初始化空字典替代列表
for i in tracks:
    query = ''' quer_here '''
    df = pd.read_sql(query, con=con)
    to_dict = df.to_dict()
    df_dict[i] = to_dict  # 以tracks中的元素为键，存入对应字典

修改完成后，你就能通过pd.DataFrame(df_dict[1010])或pd.DataFrame(df_dict[2020])直接获取对应ID的DataFrame。

简洁写法：字典推导式 #

如果想让代码更紧凑，也可以用Python的字典推导式一行完成，逻辑和上面的循环完全一致：

tracks = [1010, 2020]

df_dict = {i: pd.read_sql(''' quer_here ''', con=con).to_dict() for i in tracks}

内容的提问来源于stack exchange，提问作者datashout