Pandas
对象之间的基本迭代的行为取决于类型。当迭代一个系列时,它被视为数组式,基本迭代产生这些值。其他数据结构,如:DataFrame
和Panel
,遵循类似惯例迭代对象的键。简而言之,基本迭代(对于i
在对象中)产生。
- Series – 值
- DataFrame – 列标签
- Pannel – 项目标签
迭代DataFrame
迭代DataFrame
提供列名。现在来看看下面的例子来理解这个概念。
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)
执行上面示例代码,得到以下结果 –
A
C
D
x
y
要遍历数据帧(DataFrame)中的行,可以使用以下函数 –
iteritems()
– 迭代(key,value)
对iterrows()
– 将行迭代为(索引,系列)对itertuples()
– 以namedtuples
的形式迭代行
iteritems()示例
将每个列作为键,将值与值作为键和列值迭代为Series对象。
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)
执行上面示例代码,得到以下结果 –
col1 0 0.459280
1 0.302563
2 -0.925297
3 -1.701360
Name: col1, dtype: float64
col2 0 -2.577661
1 -0.840329
2 0.277956
3 0.141397
Name: col2, dtype: float64
col3 0 -0.819635
1 0.826029
2 -0.038953
3 0.379977
Name: col3, dtype: float64
观察一下,单独迭代每个列作为系列中的键值对。
iterrows()示例
iterrows()
返回迭代器,产生每个索引值以及包含每行数据的序列。
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)
执行上面示例代码,得到以下结果 –
0 col1 0.589103
col2 -1.344540
col3 -0.273822
Name: 0, dtype: float64
1 col1 -1.799794
col2 0.191032
col3 -0.470350
Name: 1, dtype: float64
2 col1 1.538743
col2 -0.443371
col3 -1.234744
Name: 2, dtype: float64
3 col1 -1.700915
col2 0.637768
col3 0.320671
Name: 3, dtype: float64
注意 – 由于
iterrows()
遍历行,因此不会跨该行保留数据类型。0
,1
,2
是行索引,col1
,col2
,col3
是列索引。
itertuples()示例
itertuples()
方法将为DataFrame
中的每一行返回一个产生一个命名元组的迭代器。元组的第一个元素将是行的相应索引值,而剩余的值是行值。
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)
执行上面示例代码,得到以下结果 –
Pandas(Index=0, col1=-0.459994067109029, col2=-1.3589032966943688, col3=-0.8378124266875753)
Pandas(Index=1, col1=-0.675609143041429, col2=0.9365900839103676, col3=0.16686318229869906)
Pandas(Index=2, col1=-0.32119668362802845, col2=0.31388056160597017, col3=1.3433307873076799)
Pandas(Index=3, col1=1.2368409605416566, col2=1.184780890409777, col3=-0.27277256974192443)
注意 – 不要尝试在迭代时修改任何对象。迭代是用于读取,迭代器返回原始对象(视图)的副本,因此更改将不会反映在原始对象上。
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)
执行上面示例代码,得到以下结果 –
col1 col2 col3
0 0.534370 0.245170 0.247378
1 -0.375285 -0.370878 -0.258897
2 0.910811 -1.566585 -0.857689
3 0.468804 -1.407227 -0.791819
注意观察结果,修改变化并未反映出来。