遍历DataFrame行(附各种方法性能对比)

本文探讨了在Python数据分析中遍历DataFrame行的几种方法,包括iterrows()、iloc()、apply()和自定义函数,通过对30000行数据的操作,比较了它们的执行效率。结果显示,apply()和自定义函数的执行速度显著快于for循环和iloc(),对于大规模数据处理,推荐使用高效的方法。
摘要由CSDN通过智能技术生成

在利用python进行数据分析和处理时,经常会需要遍历DataFrame行,不同的遍历方法会对数据处理的效率有很大的影响。

现在有以下的数据

import pandas as pd
from pandas import DataFrame as DF

from datetime import datetime
data=DF({'data1':np.random.randn(30000),'data2':np.random.randn(30000),'data3':np.random.randn(30000)})

import pandas as pd
from pandas import DataFrame as DF
from datetime import datetime
data=DF({'data1':np.random.randn(30000),'data2':np.random.randn(30000),'data3':np.random.randn(30000)})

通过不同的遍历方法原数据的各个元素*2,并赋值给新的DF数据

方法1)DF.iterrows()

frame=DF()
a=datetime.now()
for index, row in data.iterrows():
    frame=frame.append(row*2)
print('start time',a)
print('end time',datetime.now()) 

结果:start time 2019-04-02 20:51:58.385586
end time 2019-04-02 20:52:36.782586  总用时38s左右

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

北.海

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值