在pandas中遍歷DataFrame行的實現方法

阿新 • • 發佈：2020-01-09

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

上面程式碼輸出：

c1 c2
0 10 100
1 11 110
2 12 120

現在需要遍歷上面DataFrame的行。對於每一行，都希望能夠通過列名訪問對應的元素(單元格中的值)。也就是說，需要類似如下的功能：

for row in df.rows:
 print row['c1'],row['c2']

Pandas 可以這樣做嗎？

我找到了similar question。但這並不能給我需要的答案，裡面提到：

for date,row in df.T.iteritems():

要麼

for row in df.iterrows():

但是我不明白row物件是什麼，以及我如何使用它。

最佳解決方案

要以 Pandas 的方式迭代遍歷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()應該比iterrows()快

但請注意，根據文件(目前 Pandas 0.19.1)：

iterrows：資料的dtype可能不是按行匹配的，因為iterrows返回一個系列的每一行，它不會保留行的dtypes(dtypes跨DataFrames列保留)*
iterrows：不要修改行

你不應該修改你正在迭代的東西。這不能保證在所有情況下都能正常工作。根據資料型別的不同，迭代器返回一個副本而不是一個檢視，寫入它將不起作用。

改用DataFrame.apply()：

new_df = df.apply(lambda x: x * 2)
itertuples：列名稱將被重新命名為位置名稱，如果它們是無效的Python識別符號，重複或以下劃線開頭。對於大量的列(> 255)，返回常規元組。

第二種方案: apply

您也可以使用df.apply()遍歷行並訪問函式的多個列。

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)

第三種方案：iloc

您可以使用df.iloc函式，如下所示：

for i in range(0,len(df)):
 print df.iloc[i]['c1'],df.iloc[i]['c2']

第四種方案：略麻煩，但是更高效，將DataFrame轉為List

您可以編寫自己的實現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)

這相當於pd.DataFrame.itertuples，但是效率更高。

將自定義函式用於給定的DataFrame：

list(myiter(df))
 
[MyTuple(c1=10,c2=100),MyTuple(c1=11,c2=110),MyTuple(c1=12,c2=120)]

或與pd.DataFrame.itertuples：

list(df.itertuples(index=False))
 
[Pandas(c1=10,Pandas(c1=11,Pandas(c1=12,c2=120)]

全面的測試

我們測試了所有可用列：

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','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);