在pandas中遍歷DataFrame行的實現方法
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);
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。