python - index - Как перебирать строки в DataFrame в Pandas?




pandas dataframe index (10)

Вы можете использовать функцию df.iloc следующим образом:

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

У меня есть DataFrame от панд:

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

Выход:

   c1   c2
0  10  100
1  11  110
2  12  120

Теперь я хочу перебирать строки этого фрейма. Для каждой строки я хочу иметь доступ к ее элементам (значениям в ячейках) по имени столбцов. Например:

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

Можно ли это сделать в пандах?

Я нашел этот подобный вопрос . Но это не дает мне ответа, который мне нужен. Например, предлагается использовать:

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

или же

for row in df.iterrows():

Но я не понимаю, что такое объект row и как я могу работать с ним.


Вы можете написать свой собственный итератор, который реализует namedtuple

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)

Это напрямую сопоставимо с pd.DataFrame.itertuples . Я нацелен на выполнение одной и той же задачи с большей эффективностью.

Для данного кадра данных с моей функцией:

list(myiter(df))

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

Или с pd.DataFrame.itertuples :

list(df.itertuples(index=False))

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

Комплексный тест
Мы проверяем доступность всех столбцов и подмножество столбцов.

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);


Вы также можете использовать df.apply() для итерации по строкам и доступа к нескольким столбцам для функции.

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)

Для итерации по строке DataFrame в pandas можно использовать:

itertuples() должен быть быстрее, чем iterrows()

Но имейте в виду, согласно документам (pandas 0.21.1 на данный момент):

  • iterrows: dtype может не соответствовать от строки к строке

    Поскольку iterrows возвращает серию для каждой строки, она не сохраняет dtypes по строкам (dtypes сохраняются в столбцах для DataFrames).

  • iterrows: не изменять строки

    Вы никогда не должны изменять то, что вы итерируете. Во всех случаях это не гарантируется. В зависимости от типов данных итератор возвращает копию, а не представление, и запись на нее не будет иметь никакого эффекта.

    DataFrame.apply() этого используйте DataFrame.apply() :

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

    Имена столбцов будут переименованы в имена позиций, если они являются недопустимыми идентификаторами Python, повторяются или начинаются с подчеркивания. При большом количестве столбцов (> 255) возвращаются регулярные кортежи.


Зачем усложнять вещи?

Просто.

import pandas as pd
import numpy as np

# Here is an example dataframe
df_existing = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))

for idx,row in df_existing.iterrows():
    print row['A'],row['B'],row['C'],row['D']

ИМХО, самое простое решение

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

Хотя iterrows() является хорошим вариантом, иногда itertuples() может быть намного быстрее:

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

Чтобы закодировать все строки в dataframe вы можете использовать:

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

Я искал, как перебирать строки и столбцы и заканчивается здесь так:

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

iterrows - это генератор, который дает как индекс, так и строку

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

Output: 
   10 100
   11 110
   12 120




dataframe