如何将嵌套字典中DataFrame列求和结果存入指定结构DataFrame

我看了你的代码，问题出在循环内部每次都重新赋值给SumsOfB——第一次循环处理ID_1542时，你生成了包含该列的DataFrame，但第二次处理ID_8468时，这个变量被新的DataFrame完全覆盖了，最后自然只剩最后一个ID的数据。

咱们可以换个思路，先把所有ID的求和结果收集到一个字典里，再一次性转换成目标DataFrame，这样就能保留所有列了。

方法一：分步构建结果字典 #

这个方法逻辑清晰，适合新手理解：

import pandas as pd

# 初始化空字典，用来存储每个ID对应的求和列表
result_dict = {}

# 遍历每个ID对应的子字典（里面是多个DataFrame）
for idx, df_subdict in dict_results.items():
    temp_list = []
    # 遍历子字典里的每个DataFrame，计算B列求和并除以1000
    for df in df_subdict.values():
        sum_b = df['B'].sum() / 1000
        temp_list.append(sum_b)
    # 将当前ID的结果存入字典，键为ID，值为求和列表
    result_dict[idx] = temp_list

# 把字典转为DataFrame，自动用字典的键作为列名，值作为行数据
SumsOfB = pd.DataFrame(result_dict)

方法二：简洁的字典推导式 #

如果想让代码更紧凑，可以用字典推导式一行搞定结果收集：

import pandas as pd

# 用字典推导式直接生成每个ID的求和列表
result_dict = {
    idx: [df['B'].sum()/1000 for df in df_subdict.values()]
    for idx, df_subdict in dict_results.items()
}

# 转换为目标DataFrame
SumsOfB = pd.DataFrame(result_dict)

这两种方法最终都会生成你需要的DataFrame：包含ID_1542和ID_8468两列，共3行数据，每行对应原字典中对应序号的DataFrame的B列求和结果（已除以1000）。

内容的提问来源于stack exchange，提问作者Aukru