python pandas for循环_07_pandas.DataFrame的for循环处理（迭代）

最新推荐文章于 2024-08-08 08:45:56 发布
最新推荐文章于 2024-08-08 08:45:56 发布
阅读量3.3k 收藏 4
点赞数 1
文章标签： python pandas for循环

07_pandas.DataFrame的for循环处理(迭代)

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

pandas.DataFrame for循环的应用

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')

#

# age

# ======

#

#

# state

# ======

#

#

# point

# ======

#

调用方法__iter __()。

for column_name in df.__iter__():

print(type(column_name))

print(column_name)

print('======\n')

#

# age

# ======

#

#

# state

# ======

#

#

# point

# ======

#

逐列检索

DataFrame.iteritems()

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')

#

# age

# ~~~~~~

#

# Alice 24

# Bob 42

# Name: age, dtype: int64

# ------

# 24

# 24

# 24

# ======

#

#

# state

# ~~~~~~

#

# Alice NY

# Bob CA

# Name: state, dtype: object

# ------

# NY

# NY

# NY

# ======

#

#

# point

# ~~~~~~

#

# Alice 64

# Bob 92

# Name: point, dtype: int64

# ------

# 64

# 64

# 64

# ======

#

逐行检索

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。

DataFrame.iterrows()

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')

#

# Alice

# ~~~~~~

#

# age 24

# state NY

# point 64

# Name: Alice, dtype: object

# ------

# 64

# 64

# 64

# ======

#

#

# Bob

# ~~~~~~

#

# age 42

# state CA

# point 92

# Name: Bob, dtype: object

# ------

# 92

# 92

# 92

# ======

DataFrame.itertuples()

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')

#

# Pandas(Index='Alice', age=24, state='NY', point=64)

# ------

# 64

# 64

# ======

#

#

# 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')

#

# ('Alice', 24, 'NY', 64)

# ------

# 64

# ======

#

#

# ('Bob', 42, 'CA', 92)

# ------

# 92

# ======

检索特定列的值

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']))

#

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))

#

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

循环更新值

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。

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

原文链接:https://blog.csdn.net/qq_18351157/article/details/105261636

weixin_39735005
关注
python遍历data、并输出结果_Python遍历pandas数据方法总结
weixin_39710106的博客
11-30 2164
前言Pandas是python的一个数据分析包，提供了大量的快速便捷处理数据的函数和方法。其中Pandas定义了Series 和 DataFrame两种数据类型，这使数据操作变得更简单。Series 是一种一维的数据结构，类似于将列表数据值与索引值相结合。DataFrame 是一种二维的数据结构，接近于电子表格或者mysql数据库的形式。在数据分析中不可避免的涉及到对数据的遍历查询和处理，比如我们...
pythondataframe循环_Python-两个dataframe用for循环求笛卡尔积
weixin_39613385的博客
12-06 1074
合并两个没有共同列的dataframe，相当于按行号求笛卡尔积。最终效果如下以下代码是参考别人的代码修改的：def cartesian_df(A,B):new_df = pd.DataFrame(columns=list(A).extend(list(B)))for _,A_row in A.iterrows():for _,B_row in B.iterrows():row = A_row.ap...
Pandas中高效的“For循环”
最新发布
deephub
08-08 4159
在文探索了使用循环遍历DataFrame的四种不同方法。’ iterrows '函数在遍历DataFrame时显示出最高的时间消耗。与“iterrows”函数相比，使用“itertuples”函数可以使DataFrame迭代的速度提高6倍。在字典和数组上迭代被证明是最有效的方法，使用循环提供最快的迭代时间和最佳的数据操作。当然，在处理大型数据集时，最佳实践是矢量化。向量化上述代码将执行时间减少到0.29秒(比遍历数组快72倍)。
python pandas for循环_高逼格使用Pandas加速代码，向for循环说拜拜！
weixin_39996035的博客
12-05 3972
原标题：高逼格使用Pandas加速代码，向for循环说拜拜！作者：George Seif编译：公众号翻译部全网进行中···你为什么劝入/劝退Quant？前言使用Pandas dataframe执行数千甚至数百万次计算仍然是一项挑战。你不能简单的将数据丢进去，编写Python for循环，然后希望在合理的时间内处理数据。Pandas是为一次性处理整个行或列的矢量化操作而设计的，循环遍历每个单元格、行...
【Python】python dataframe for循环
weixin_42033259的博客
06-15 775
python dataframe for循环。请问应该怎么编写python代码呀。
dataframe for 循环 数据格式 python_Python笔记：for...else...循环
weixin_39944233的博客
11-27 2064
Python也许不是最好的语言，但用的人一定是好人没错python中的for循环没有像 for（n=1;n>3;n++）这样的循环方法，但提供了其他的方法，可以结合判断语句：in，not in，is，not is，函数：range()进行使用循环。例子1】5以内的遍历for 打印结果如图遍历5以内数字（range()未标明star，计数从0开始），i从0开始进行判断是否属于元组内，true，...
python pandas for循环_python – 将一个for循环应用于Pandas中的多个DataFrame
weixin_39520595的博客
12-05 2414
我有多个DataFrames,我想做同样的事情.首先,我创建一个DataFrame列表.所有这些都有相同的列名为’result’.df_list = [df1,df2,df3]我想只保留所有DataFrame中的行’pass’,所以我在列表中使用for循环：for df in df_list:df =df[df['result'] == 'passed']…这不起作用,不会从每个DataFrame...
python pandas for循环_Python遍历pandas数据方法总结
weixin_39602737的博客
12-05 3632
前言Pandas是python的一个数据分析包，提供了大量的快速便捷处理数据的函数和方法。其中Pandas定义了Series 和 DataFrame两种数据类型，这使数据操作变得更简单。Series 是一种一维的数据结构，类似于将列表数据值与索引值相结合。DataFrame 是一种二维的数据结构，接近于电子表格或者mysql数据库的形式。在数据分析中不可避免的涉及到对数据的遍历查询和处理，比如我们...
python pandas 加速循环_Pandas DataFrame遍历加速/性能优化
weixin_39653622的博客
12-08 1158
如果您使用Python和Pandas进行数据分析，即使对于小型DataFame，使用标准Python循环也是很费时间的，而对于大型DataFrame则需要花费特别长的时间。有什么方法可以优化呢？西面来看看不同遍历方法的性能标准循环DataFrame(数据帧)是具有行和列的Pandas对象(objects)。如果使用循环，则将遍历整个对象。 Python无法利用任何内置函数，而且速度非常慢。在我们的...
python s append_Python pandas.DataFrame.append函数方法的使用
weixin_40002336的博客
12-09 1012
DataFrame.append(other,ignore_index=False,verify_integrity=False,sort=None) [source]在调用者的末尾追加其他行，返回一个新对象。不在调用者中的其他列将作为新列添加。参数:other:DataFrame或Series/类似于dict的对象，或这...
dataframe for 循环 数据格式 python_Python中的for循环
weixin_39996035的博客
11-30 1034
# 循环允许我们重复执行一个代码或代码块# python中的循环# for循环# while循环# for循环是一种迭代循环机制，而while循环是条件循环，迭代即重复相同的逻辑操作，每次操作都是基于上一次的结果，而进行的# Python 中for循环可以遍历任何序列的项目# for循环语法:for ... infor iter_var in iterable:suite_to_repeat# 每...
Python通过两个dataframe用for循环求笛卡尔积
09-16
主要介绍了Python通过两个dataframe用for循环求笛卡尔积,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
python中for循环的用法_理解 Python 的 for 循环
weixin_39954464的博客
10-21 986
程序员侃世界点击右侧关注！陪侃爷畅聊世界！来源丨Python程序员https://mp.weixin.qq.com/s/N9Dk1TT3J9Vn2QmSd3Ddtw在本篇博客中，我们将讨论 Python 中 for 循环的原理。我们将从一组基本例子和它的语法开始，还将讨论与 for 循环关联的 else 代码块的用处。然后我们将介绍迭代对象、迭代器和迭代器协议，还会学习如何创建自己的迭代...
python的for语句要用冒号吗_Python傻瓜教程：跟我学for循环
weixin_39765209的博客
11-26 659
做SEO的为什么要学Python？其实很简单，SEO的思维加上Python的技术会产生远远大于1+1=2的效果！就好像为SEOer插上了实现理想的翅膀一样。在具体的工作中，Python也可以帮我们获取关键词的优化情况，分析竞品网站的优化情况都可以用到，或者在内容的建设上Python更是一大杀器！那么还等什么呢！GO！一起来Python！大家都知道，在编程中有几种常见的控制结构，比如条件判断，循环控...
07_pandas.DataFrame的for循环处理（迭代）
热门推荐
qq_18351157的博客
04-02 6万+
07_pandas.DataFrame的for循环处理（迭代） 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': [...
Python编程语言学习：for循环实现对多个不同的DataFrame数据执行相同操作(可用于对分开的测试集、训练集实现执行相同逻辑任务)
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
08-09 2354
​ Python编程语言学习：for循环实现对多个不同的DataFrame数据执行相同操作(可用于对分开的测试集、训练集实现执行相同逻辑任务) 目录 for循环实现对多个不同的DataFrame数据执行相同操作(可用于对分开的测试集、训练集实现执行相同逻辑任务) 输出结果 实现代码 for循环实现对多个不同的DataFrame数据执行相同操作(可用于对分开的测试集、训练集实现执行相同逻辑任务) 输出结果 数据集的形状 (4, 4) 数据集的形状 (2, 4) name age sex com
dataframe for循环_Python Pandas 遍历DataFrame的正确姿势 速度提升一万倍
weixin_39684454的博客
11-21 1615
最近做科研时经常需要遍历整个DataFrame，进行各种列操作，例如把某列的值全部转成pd.Timestamp格式或者将某两列的值进行element-wise运算之类的。大数据的数据量随便都是百万条起跳，如果只用for循环慢慢撸，不仅浪费时间也没效率。在一番Google和摸索后我找到了遍历DataFrame的至少8种方式，其中最快的和最慢的可以相差12000倍！本文以相加和相乘两种操作为例，测试8...
python sum函数用法_Python pandas.DataFrame.sum函数方法的使用
06-09
Python中的`sum()`函数用于对可迭代对象中的元素求和，例如： ```python a = [1, 2, 3, 4, 5] print(sum(a)) # 输出 15 ``` 而在pandas库中，DataFrame对象也有`sum()`方法，用于对指定轴（axis）上的元素进行求和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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