python - 追加 - PandasのDataFrameの行を反復処理する方法は?
python enumerate pandas (10)
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。
IMHO、最も単純な決定
for ind in df.index:
print df['c1'][ind], df['c2'][ind]
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。
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。
for index, row in df.iterrows(): print row["c1"], row["c2"]
pandas.pydata.org/pandas-docs/stable/generated/…
for row in df.itertuples(index=True, name='Pandas'): print getattr(row, "c1"), getattr(row, "c2")
itertuples()
は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)