您好,登录后才能下订单哦!
本篇内容主要讲解“pandas.DataFrame的for循环迭代如何实现”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“pandas.DataFrame的for循环迭代如何实现”吧!
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
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') # <class 'str'> # age # ====== # # <class 'str'> # state # ====== # # <class 'str'> # point # ====== #
调用方法__iter __()。
for column_name in df.__iter__(): print(type(column_name)) print(column_name) print('======\n') # <class 'str'> # age # ====== # # <class 'str'> # state # ====== # # <class 'str'> # point # ====== #
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') # <class 'str'> # age # ~~~~~~ # <class 'pandas.core.series.Series'> # Alice 24 # Bob 42 # Name: age, dtype: int64 # ------ # 24 # 24 # 24 # ====== # # <class 'str'> # state # ~~~~~~ # <class 'pandas.core.series.Series'> # Alice NY # Bob CA # Name: state, dtype: object # ------ # NY # NY # NY # ====== # # <class 'str'> # point # ~~~~~~ # <class 'pandas.core.series.Series'> # Alice 64 # Bob 92 # Name: point, dtype: int64 # ------ # 64 # 64 # 64 # ====== #
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。
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') # <class 'str'> # Alice # ~~~~~~ # <class 'pandas.core.series.Series'> # age 24 # state NY # point 64 # Name: Alice, dtype: object # ------ # 64 # 64 # 64 # ====== # # <class 'str'> # Bob # ~~~~~~ # <class 'pandas.core.series.Series'> # age 42 # state CA # point 92 # Name: Bob, dtype: object # ------ # 92 # 92 # 92 # ======
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') # <class 'pandas.core.frame.Pandas'> # Pandas(Index='Alice', age=24, state='NY', point=64) # ------ # 64 # 64 # ====== # # <class 'pandas.core.frame.Pandas'> # 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') # <class 'tuple'> # ('Alice', 24, 'NY', 64) # ------ # 64 # ====== # # <class 'tuple'> # ('Bob', 42, 'CA', 92) # ------ # 92 # ======
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'])) # <class 'pandas.core.series.Series'>
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)) # <class 'pandas.core.indexes.base.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
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。
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
到此,相信大家对“pandas.DataFrame的for循环迭代如何实现”有了更深的了解,不妨来实际操作一番吧!这里是亿速云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。