您所在的位置：网站首页 › pandascoreframedataframe类型 › 07

07

2023-07-26 15:29| 来源: 网络整理| 查看: 265

07_pandas.DataFrame的for循环处理（迭代）

当使用for语句循环（迭代）pandas.DataFrame时，简单的使用for语句便可以取得返回列名，因此使用重复使用for方法，便可以获取每行的值。

以下面的pandas.DataFrame为例。

import pandas as pd df = pd.DataFrame({'age': [24, 42], 'state': ['NY', 'CA'], 'point': [64, 92]}, index=['Alice', 'Bob']) print(df) # age state point # Alice 24 NY 64 # Bob 42 CA 92

在此对以下内容进行说明：

pandas.DataFrame for循环的应用逐列检索 DataFrame.iteritems() 逐行检索 DataFrame.iterrows()DataFrame.itertuples() 检索特定列的值循环更新值 pandas.DataFrame for循环的应用

当pandas.DataFrame直接使用for循环时，按以下顺序获取列名（列名）。

for column_name in df: print(type(column_name)) print(column_name) print('======\n') # # age # ====== # # # state # ====== # # # point # ====== #

调用方法__iter __（）。

for column_name in df.__iter__(): print(type(column_name)) print(column_name) print('======\n') # # age # ====== # # # state # ====== # # # point # ====== # 逐列检索 DataFrame.iteritems()

使用iteritems（）方法，您可以一一获取列名称（列名称）和元组（列名称，系列）的每个列的数据（pandas.Series类型）。

pandas.Series可以通过指定索引名称等来检索行的值。

for column_name, item in df.iteritems(): print(type(column_name)) print(column_name) print('~~~~~~') print(type(item)) print(item) print('------') print(item['Alice']) print(item[0]) print(item.Alice) print('======\n') # # age # ~~~~~~ # # Alice 24 # Bob 42 # Name: age, dtype: int64 # ------ # 24 # 24 # 24 # ====== # # # state # ~~~~~~ # # Alice NY # Bob CA # Name: state, dtype: object # ------ # NY # NY # NY # ====== # # # point # ~~~~~~ # # Alice 64 # Bob 92 # Name: point, dtype: int64 # ------ # 64 # 64 # 64 # ====== # 逐行检索

一次检索一行的方法包括iterrows（）和itertuples（）。 itertuples（）更快。

如果只需要特定列的值，则如下所述，指定列并将它们分别在for循环中进行迭代会更快。

DataFrame.iterrows()

通过使用iterrows（）方法，可以获得每一行的数据（pandas.Series类型）和行名和元组（索引，系列）。

pandas.Series可以通过指定列名等来检索列的值。

for index, row in df.iterrows(): print(type(index)) print(index) print('~~~~~~') print(type(row)) print(row) print('------') print(row['point']) print(row[2]) print(row.point) print('======\n') # # Alice # ~~~~~~ # # age 24 # state NY # point 64 # Name: Alice, dtype: object # ------ # 64 # 64 # 64 # ====== # # # Bob # ~~~~~~ # # age 42 # state CA # point 92 # Name: Bob, dtype: object # ------ # 92 # 92 # 92 # ====== DataFrame.itertuples()

使用itertuples（）方法，可以一一获取索引名（行名）和该行数据的元组。元组的第一个元素是索引名称。

默认情况下，返回一个名为Pandas的namedtuple。由于它是namedtuple，因此可以访问每个元素的值。

for row in df.itertuples(): print(type(row)) print(row) print('------') print(row[3]) print(row.point) print('======\n') # # Pandas(Index='Alice', age=24, state='NY', point=64) # ------ # 64 # 64 # ====== # # # Pandas(Index='Bob', age=42, state='CA', point=92) # ------ # 92 # 92 # ====== #

如果参数name为None，则返回一个普通的元组。

for row in df.itertuples(name=None): print(type(row)) print(row) print('------') print(row[3]) print('======\n') # # ('Alice', 24, 'NY', 64) # ------ # 64 # ====== # # # ('Bob', 42, 'CA', 92) # ------ # 92 # ====== 检索特定列的值

上述的iterrows（）和itertuples（）方法可以检索每一行中的所有列元素，但是如果仅需要特定的列元素，可以使用以下方法。

pandas.DataFrame的列是pandas.Series。

print(df['age']) # Alice 24 # Bob 42 # Name: age, dtype: int64 print(type(df['age'])) #

如果将pandas.Series应用于for循环，则可以按顺序获取值，因此，如果指定pandas.DataFrame列并将其应用于for循环，则可以按顺序获取该列中的值。

for age in df['age']: print(age) # 24 # 42

如果使用内置函数zip（），则可以一次收集多列值。

for age, point in zip(df['age'], df['point']): print(age, point) # 24 64 # 42 92

如果要获取索引（行名），使用index属性。如以上示例所示，可以与其他列一起通过zip（）获得。

print(df.index) # Index(['Alice', 'Bob'], dtype='object') print(type(df.index)) # for index in df.index: print(index) # Alice # Bob for index, state in zip(df.index, df['state']): print(index, state) # Alice NY # Bob CA 循环更新值

iterrows（）方法逐行检索值，返回一个副本，而不是视图，因此更改pandas.Series不会更新原始数据。

for index, row in df.iterrows(): row['point'] += row['age'] print(df) # age state point # Alice 24 NY 64 # Bob 42 CA 92

at[]选择并处理原始DataFrame中的数据时更新。

for index, row in df.iterrows(): df.at[index, 'point'] += row['age'] print(df) # age state point # Alice 24 NY 88 # Bob 42 CA 134

有关at[]的文章另请参考以下连接。

04_Pandas获取和修改任意位置的值（at,iat,loc,iloc）

请注意，上面的示例使用at[]只是一个示例，在许多情况下，有必要使用for循环来更新元素或基于现有列添加新列，for循环的编写更加简单快捷。

与上述相同的处理。上面更新的对象被进一步更新。

df['point'] += df['age'] print(df) # age state point # Alice 24 NY 112 # Bob 42 CA 176

可以添加新列。

df['new'] = df['point'] + df['age'] * 2 print(df) # age state point new # Alice 24 NY 112 160 # Bob 42 CA 176 260

除了简单的算术运算之外，NumPy函数还可以应用于列的每个元素。以下是平方根的示例。另外，这里，NumPy的功能可以通过pd.np访问，但是，当然可以单独导入NumPy。

df['age_sqrt'] = pd.np.sqrt(df['age']) print(df) # age state point new age_sqrt # Alice 24 NY 112 160 4.898979 # Bob 42 CA 176 260 6.480741

对于字符串，提供了用于直接处理列（系列）的字符串方法。下面是转换为小写并提取第一个字符的示例。

df['state_0'] = df['state'].str.lower().str[0] print(df) # age state point new age_sqrt state_0 # Alice 24 NY 112 160 4.898979 n # Bob 42 CA 176 260 6.480741 c

【本文地址】

公司简介

联系我们