pandas.DataFrame的for循环迭代如何实现

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 pddf = 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')# <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# ======#

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')# <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# ======#

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')# <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# ======

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')# <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# ======

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: int64print(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# Bobfor 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。

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'] * 2print(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！这里是编程网网站，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！