python - 追加 - PandasのDataFrameの行を反復処理する方法は?




python enumerate pandas (10)

IMHO、最も単純な決定

 for ind in df.index:
     print df['c1'][ind], df['c2'][ind]

私はDataFrameを持っています:

import pandas as pd
inp = [{'c1':10, 'c2':100}, {'c1':11,'c2':110}, {'c1':12,'c2':120}]
df = pd.DataFrame(inp)
print df

出力:

   c1   c2
0  10  100
1  11  110
2  12  120

今度は、このフレームの行を繰り返していきたいと思います。 すべての行について、その要素の値(セル内の値)に列の名前でアクセスできるようにしたい。 例えば:

for row in df.rows:
   print row['c1'], row['c2']

パンダでそれをすることは可能ですか?

私はこのような質問を見つけました。 しかし、それは私に必要な答えを私に与えることはありません。 たとえば、次のように使用することをお勧めします。

for date, row in df.T.iteritems():

または

for row in df.iterrows():

しかし、私はrowオブジェクトが何であり、どのように私はそれを扱うことができるのか分かりません。


iterrowsは、インデックスと行の両方を生成するジェネレータです

for index, row in df.iterrows():
   print row['c1'], row['c2']

Output: 
   10 100
   11 110
   12 120

dataframe内のすべての行をループするには、 dataframeを使用します。

for x in range(len(date_example.index)):
    print date_example['Date'].iloc[x]

iterrows()は良い選択肢ですが、 iterrows()はもっと速くなることがあります:

df = pd.DataFrame({'a': randn(1000), 'b': randn(1000),'N': randint(100, 1000, (1000)), 'x': 'x'})

%timeit [row.a * 2 for idx, row in df.iterrows()]
# => 10 loops, best of 3: 50.3 ms per loop

%timeit [row[1] * 2 for row in df.itertuples()]
# => 1000 loops, best of 3: 541 µs per loop

あなたはnamedtupleを実装する独自のイテレータを書くことができます

from collections import namedtuple

def myiter(d, cols=None):
    if cols is None:
        v = d.values.tolist()
        cols = d.columns.values.tolist()
    else:
        j = [d.columns.get_loc(c) for c in cols]
        v = d.values[:, j].tolist()

    n = namedtuple('MyTuple', cols)

    for line in iter(v):
        yield n(*line)

これは、 pd.DataFrame.itertuplesと直接比較pd.DataFrame.itertuplesます。 より効率的に同じタスクを実行することを目指しています。

私の関数で与えられたデータフレームの場合:

list(myiter(df))

[MyTuple(c1=10, c2=100), MyTuple(c1=11, c2=110), MyTuple(c1=12, c2=120)]

またはpd.DataFrame.itertuples

list(df.itertuples(index=False))

[Pandas(c1=10, c2=100), Pandas(c1=11, c2=110), Pandas(c1=12, c2=120)]

包括的なテスト
すべての列を使用可能にし、列をサブセット化することをテストします。

def iterfullA(d):
    return list(myiter(d))

def iterfullB(d):
    return list(d.itertuples(index=False))

def itersubA(d):
    return list(myiter(d, ['col3', 'col4', 'col5', 'col6', 'col7']))

def itersubB(d):
    return list(d[['col3', 'col4', 'col5', 'col6', 'col7']].itertuples(index=False))

res = pd.DataFrame(
    index=[10, 30, 100, 300, 1000, 3000, 10000, 30000],
    columns='iterfullA iterfullB itersubA itersubB'.split(),
    dtype=float
)

for i in res.index:
    d = pd.DataFrame(np.random.randint(10, size=(i, 10))).add_prefix('col')
    for j in res.columns:
        stmt = '{}(d)'.format(j)
        setp = 'from __main__ import d, {}'.format(j)
        res.at[i, j] = timeit(stmt, setp, number=100)

res.groupby(res.columns.str[4:-1], axis=1).plot(loglog=True);


さらに高速化するために、 numpy索引付けを行うこともできます。 それは実際には反復処理ではありませんが、特定のアプリケーションの反復処理よりもはるかに優れています。

subset = row['c1'][0:5]
all = row['c1'][:]

また、配列にキャストすることもできます。 これらのインデックス/選択肢はNumpy配列のように動作するはずですが、問題が発生してキャストする必要がありました

np.asarray(all)
imgs[:] = cv2.resize(imgs[:], (224,224) ) #resize every image in an hdf5 file

また、 df.apply()を使用して行を反復処理し、関数の複数の列にアクセスすることもできます。

DataFrame.apply()

def valuation_formula(x, y):
    return x * y * 0.5

df['price'] = df.apply(lambda row: valuation_formula(row['x'], row['y']), axis=1)

パンダでDataFrameの行を繰り返し処理するには、次のようにします。

itertuples()itertuples()より速いと思われます。

しかし、ドキュメントによると(今のパンダ0.21.1)、注意してください:

  • iterrows: dtypeが行dtype一致しない可能性があります

    iterrowsは各行にSeriesを返しますので、行全体でdtypesは保持されません (dtypeはDataFramesの列間で保持されます)。

  • iterrows:行を変更しない

    反復処理中のものは決して変更しないでください。 これは、すべての場合に機能するとは限りません。 データ型によっては、イテレータはビューではなくコピーを返し、それに対する書き込みは効果を持ちません。

    代わりにDataFrame.apply()使用してください:

    new_df = df.apply(lambda x: x * 2)
    
  • itertuples:

    無効なPython識別子、繰り返し、またはアンダースコアで始まる列名は、位置名に変更されます。 列数が多い場合(> 255)、通常のタプルが返されます。


次のようにdf.iloc関数を使用できます。

for i in range(0, len(df)):
    print df.iloc[i]['c1'], df.iloc[i]['c2']

私は行と列を反復する方法を探していたので、ここで終了しました:

for i, row in df.iterrows():
    for j, column in row.iteritems():
        print(column)




dataframe