在pandas中遍历DataFrame行 |
您所在的位置：网站首页 › pandas 读取list › 在pandas中遍历DataFrame行 |
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上面代码输出： c1 c2 0 10 100 1 11 110 2 12 120现在需要遍历上面DataFrame的行。对于每一行，都希望能够通过列名访问对应的元素(单元格中的值)。也就是说，需要类似如下的功能： for row in df.rows: print row['c1'], row['c2']Pandas 可以这样做吗？ 我找到了similar question。但这并不能给我需要的答案，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对象是什么，以及我如何使用它。 最佳解决方案要以 Pandas 的方式迭代遍历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()应该比iterrows()快 但请注意，根据文档(目前 Pandas 0.19.1)： iterrows：数据的dtype可能不是按行匹配的，因为iterrows返回一个系列的每一行，它不会保留行的dtypes(dtypes跨DataFrames列保留)* iterrows：不要修改行 你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能正常工作。根据数据类型的不同，迭代器返回一个副本而不是一个视图，写入它将不起作用。 改用DataFrame.apply()： new_df = df.apply(lambda x: x * 2)itertuples：列名称将被重命名为位置名称，如果它们是无效的Python标识符，重复或以下划线开头。对于大量的列(> 255)，返回常规元组。 第二种方案: apply您也可以使用df.apply()遍历行并访问函数的多个列。 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) 第三种方案：iloc您可以使用df.iloc函数，如下所示： for i in range(0, len(df)): print df.iloc[i]['c1'], df.iloc[i]['c2'] 第四种方案：略麻烦，但是更高效，将DataFrame转为List您可以编写自己的实现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)这相当于pd.DataFrame.itertuples，但是效率更高。 将自定义函数用于给定的DataFrame： list(myiter(df)) [MyTuple(c1=10, c2=100), MyTuple(c1=11, c2=110), MyTuple(c1=12, c2=120)]或与pd.DataFrame.itertuples： list(df.itertuples(index=False)) [Pandas(c1=10, c2=100), Pandas(c1=11, c2=110), Pandas(c1=12, c2=120)]全面的测试 我们测试了所有可用列： 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);
|
【本文地址】
今日新闻 |
推荐新闻 |