在pandas中遍历DataFrame行
有如下 Pandas DataFrame：
import pandas as pd
inp = [{'c1':10, 'c2':100}, {'c1':11,'c2':110}, {'c1':12,'c2':120}]
df = pd.DataFrame(inp)
print df
上面代碼輸出：
c1 c2
0 10 100
1 11 110
2 12 120
現在需要遍歷上面DataFrame的行。對于每一行，都希望能夠通過列名訪問對應的元素(單元格中的值)。也就是說，需要類似如下的功能：
for row in df.rows:
print row['c1'], row['c2']
Pandas 可以這樣做嗎？
我找到了similar question。但這并不能給我需要的答案，里面提到：
for date, row in df.T.iteritems():要么
for row in df.iterrows():但是我不明白row對象是什么，以及我如何使用它。
?
最佳解決方案
要以 Pandas 的方式迭代遍歷DataFrame的行，可以使用：
-
DataFrame.iterrows()
-
for index, row in df.iterrows():
-
print row["c1"], row["c2"]
-
DataFrame.itertuples()
-
for row in df.itertuples(index=True, name='Pandas'):
-
print getattr(row, "c1"), getattr(row, "c2")
itertuples()應該比iterrows()快
但請注意，根據文檔(目前 Pandas 0.19.1)：
-
iterrows：數據的dtype可能不是按行匹配的，因為iterrows返回一個系列的每一行，它不會保留行的dtypes(dtypes跨DataFrames列保留)*
-
iterrows：不要修改行
你不應該修改你正在迭代的東西。這不能保證在所有情況下都能正常工作。根據數據類型的不同，迭代器返回一個副本而不是一個視圖，寫入它將不起作用。
改用DataFrame.apply()：
new_df = df.apply(lambda x: x * 2) -
itertuples：列名稱將被重命名為位置名稱，如果它們是無效的Python標識符，重復或以下劃線開頭。對于大量的列(> 255)，返回常規元組。
?
第二種方案: apply
您也可以使用df.apply()遍歷行并訪問函數的多個列。
docs: 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)
?
第三種方案：iloc
您可以使用df.iloc函數，如下所示：
for i in range(0, len(df)):
print df.iloc[i]['c1'], df.iloc[i]['c2']
?
第四種方案：略麻煩，但是更高效，將DataFrame轉為List
您可以編寫自己的實現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)
這相當于pd.DataFrame.itertuples，但是效率更高。
將自定義函數用于給定的DataFrame：
list(myiter(df))
[MyTuple(c1=10, c2=100), MyTuple(c1=11, c2=110), MyTuple(c1=12, c2=120)]
或與pd.DataFrame.itertuples：
list(df.itertuples(index=False))
[Pandas(c1=10, c2=100), Pandas(c1=11, c2=110), Pandas(c1=12, c2=120)]
全面的測試
我們測試了所有可用列：
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);
?
?
總結
以上是生活随笔為你收集整理的在pandas中遍历DataFrame行的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： linux 进程重启脚本
- 下一篇： Gtk-WARNING : cannot