Pandas迭代

Pandas對象之間的基本迭代的行爲取決於類型。當迭代一個系列時,它被視爲數組式,基本迭代產生這些值。其他數據結構,如:DataFramePanel,遵循類似慣例迭代對象的鍵。

簡而言之,基本迭代(對於i在對象中)產生 -

  • Series - 值
  • DataFrame - 列標籤
  • Pannel - 項目標籤

迭代DataFrame

迭代DataFrame提供列名。現在來看看下面的例子來理解這個概念。

import pandas as pd
import numpy as np

N=20

df = pd.DataFrame({
    'A': pd.date_range(start='2016-01-01',periods=N,freq='D'),
    'x': np.linspace(0,stop=N-1,num=N),
    'y': np.random.rand(N),
    'C': np.random.choice(['Low','Medium','High'],N).tolist(),
    'D': np.random.normal(100, 10, size=(N)).tolist()
    })

for col in df:
   print (col)

執行上面示例代碼,得到以下結果 -

A
C
D
x
y

要遍歷數據幀(DataFrame)中的行,可以使用以下函數 -

  • iteritems() - 迭代(key,value)
  • iterrows() - 將行迭代爲(索引,系列)對
  • itertuples() - 以namedtuples的形式迭代行

iteritems()示例

將每個列作爲鍵,將值與值作爲鍵和列值迭代爲Series對象。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(4,3),columns=['col1','col2','col3'])
for key,value in df.iteritems():
   print (key,value)

執行上面示例代碼,得到以下結果 -

col1 0    0.802390
1    0.324060
2    0.256811
3    0.839186
Name: col1, dtype: float64

col2 0    1.624313
1   -1.033582
2    1.796663
3    1.856277
Name: col2, dtype: float64

col3 0   -0.022142
1   -0.230820
2    1.160691
3   -0.830279
Name: col3, dtype: float64

觀察一下,單獨迭代每個列作爲系列中的鍵值對。

iterrows()示例

iterrows()返回迭代器,產生每個索引值以及包含每行數據的序列。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(4,3),columns = ['col1','col2','col3'])
for row_index,row in df.iterrows():
   print (row_index,row)

執行上面示例代碼,得到以下結果 -

0  col1    1.529759
   col2    0.762811
   col3   -0.634691
Name: 0, dtype: float64

1  col1   -0.944087
   col2    1.420919
   col3   -0.507895
Name: 1, dtype: float64

2  col1   -0.077287
   col2   -0.858556
   col3   -0.663385
Name: 2, dtype: float64
3  col1    -1.638578
   col2     0.059866
   col3     0.493482
Name: 3, dtype: float64

注意 - 由於iterrows()遍歷行,因此不會跨該行保留數據類型。0,1,2是行索引,col1col2col3是列索引。

itertuples()示例

itertuples()方法將爲DataFrame中的每一行返回一個產生一個命名元組的迭代器。元組的第一個元素將是行的相應索引值,而剩餘的值是行值。

示例

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(4,3),columns = ['col1','col2','col3'])
for row in df.itertuples():
    print (row)

執行上面示例代碼,得到以下結果 -

Pandas(Index=0, col1=1.5297586201375899, col2=0.76281127433814944, col3=-
0.6346908238310438)

Pandas(Index=1, col1=-0.94408735763808649, col2=1.4209186418359423, col3=-
0.50789517967096232)

Pandas(Index=2, col1=-0.07728664756791935, col2=-0.85855574139699076, col3=-
0.6633852507207626)

Pandas(Index=3, col1=0.65734942534106289, col2=-0.95057710432604969,
col3=0.80344487462316527)

注意 - 不要嘗試在迭代時修改任何對象。迭代是用於讀取,迭代器返回原始對象(視圖)的副本,因此更改將不會反映在原始對象上。

示例代碼

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(4,3),columns = ['col1','col2','col3'])

for index, row in df.iterrows():
   row['a'] = 10
print (df)

執行上面示例代碼,得到以下結果 -

        col1       col2       col3
0  -1.739815   0.735595  -0.295589
1   0.635485   0.106803   1.527922
2  -0.939064   0.547095   0.038585
3  -1.016509  -0.116580  -0.523158

注意觀察結果,修改變化並未反映出來。

0 條評論,你可以發表評論,我們會進行改進
Comment author placeholder