python - 迭代dataframe - 如何迭代Pandas中的DataFrame中的行?




python遍历dataframe行 (8)

我有熊猫的DataFrames:

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

输出:

   c1   c2
0  10  100
1  11  110
2  12  120

现在我想遍历上述帧的行。 对于每一行,我希望能够通过列的名称访问其元素(单元格中的值)。 所以,例如,我想有这样的事情:

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

熊猫可以这样做吗?

我发现了类似的问题 。 但它并没有给我我需要的答案。 例如,建议在那里使用:

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

要么

for row in df.iterrows():

但我不明白row对象是什么,以及我如何使用它。


iterrows是一个产生索引和行的发生器

In [18]: for index, row in df.iterrows():
   ....:     print row['c1'], row['c2']
   ....:     
10 100
11 110
12 120

为了循环dataframe框中的所有行并方便地 使用每行的值,可以将ndarray转换为ndarray 。 例如:

df = pd.DataFrame({'col1': [1, 2], 'col2': [0.1, 0.2]}, index=['a', 'b'])

遍历行:

for row in df.itertuples(index=False, name='Pandas'):
    print np.asarray(row)

结果是:

[ 1.   0.1]
[ 2.   0.2]

请注意,如果index=True则索引将作为元组的第一个元素添加 ,这对于某些应用程序可能不合需要。


使用itertuples() 。 它比iterrows()更快:

for row in df.itertuples():
    print "c1 :",row.c1,"c2 :",row.c2

恕我直言,最简单的决定

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

您可以编写自己的实现namedtuple的迭代器

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)

这与pd.DataFrame.itertuples直接相当。 我旨在以更高的效率执行相同的任务。

对于具有我的函数的给定数据框:

list(myiter(df))

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

或者使用pd.DataFrame.itertuples

list(df.itertuples(index=False))

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

全面的测试
我们测试所有列可用并对列进行子集化。

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);


您还可以使用df.apply()遍历行并访问函数的多个列。

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)

虽然iterrows()是一个很好的选择,但有时itertuples()会更快:

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

要循环访问dataframe所有行,可以使用:

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




dataframe