pandas逐行/列 遍历Dataframe的三种方式 |
您所在的位置：网站首页 › pandas dataframe 复制行 › pandas逐行/列 遍历Dataframe的三种方式 |
|
目录 一、pandas.DataFrame.iterrows 二、pandas.DataFrame.itertuples 三、pandas.DataFrame.items pandas 逐行/逐列 遍历数据有以下三种方法： 一、pandas.DataFrame.iterrowsDataFrame.iterrows() [source] 按行遍历，将DataFrame的每一行迭代为(index, Series)对。 输出：index：label或label元组 行的索引。对于一个MultiIndex则需要一个元组。 data：Series 行的数据作为Series。 注意 因为 interrows为每一行返回一个 Series，所以它不会跨行保留数据类型（对于数据帧，数据类型跨列保留）。例如， >>> df = pd.DataFrame([[1, 1.5]], columns=['int', 'float']) >>> row = next(df.iterrows())[1] >>> row int 1.0 float 1.5 Name: 0, dtype: float64 >>> print(row['int'].dtype) float64 >>> print(df['int'].dtype) int64要在遍历行时保留数据类型，最好使用itertuples() ，该函数会返回依据values的命名元组，并且通常比iterrows()效率高。 你永远不应该修改你正在迭代的东西。这不能保证在所有情况下都有效。根据数据类型，迭代器返回的是数据的副本而不是数据视图，写入它不会有任何效果。 二、pandas.DataFrame.itertuplesDataFrame.itertuples(index=True, name='Pandas') [source] 按行遍历，将DataFrame的每一行迭代为元组。 参数：index：bool, 缺省为 True 如果为真，则将索引作为元组的第一个元素返回。 name：str 或 None, 缺省为 “Pandas” 对于命名元组返回其名称，或 对返回常规元组返回None。 返回：iterator 为 DataFrame 中的每一行迭代命名元组的对象，第一个字段可能是索引， 后面的字段是列的value值。 注意 如果列名是无效的 Python 标识符、重复的或以下划线开头，它们将被重命名为位置名称。 例子 >>> df = pd.DataFrame({'num_legs': [4, 2], 'num_wings': [0, 2]}, ... index=['dog', 'hawk']) >>> df num_legs num_wings dog 4 0 hawk 2 2 >>> for row in df.itertuples(): ... print(row) ... Pandas(Index='dog', num_legs=4, num_wings=0) Pandas(Index='hawk', num_legs=2, num_wings=2) 通过将索引参数设置为 False，我们可以删除作为元组的第一个元素的 Index： >>> for row in df.itertuples(index=False): ... print(row) ... Pandas(num_legs=4, num_wings=0) Pandas(num_legs=2, num_wings=2)通过设置name参数，我们可以为生成的命名元组设置自定义名称： >>> for row in df.itertuples(name='Animal'): ... print(row) ... Animal(Index='dog', num_legs=4, num_wings=0) Animal(Index='hawk', num_legs=2, num_wings=2) 三、pandas.DataFrame.itemsDataFrame.items() [source] 按列遍历，将DataFrame的每一列迭代为(列名, Series)对 输入：标签：object 正在迭代的 DataFrame 的列名。 内容：Series 属于每个标签的列条目，作为Series。 例子 df = pd.DataFrame({'species': ['bear', 'bear', 'marsupial'], ... 'population': [1864, 22000, 80000]}, ... index=['panda', 'polar', 'koala']) >>> df species population panda bear 1864 polar bear 22000 koala marsupial 80000 >>> for label, content in df.items(): ... print(f'label: {label}') ... print(f'content: {content}', sep='\n') ... label: species content: panda bear polar bear koala marsupial Name: species, dtype: object label: population content: panda 1864 polar 22000 koala 80000 Name: population, dtype: int64 |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |