Учебники

Python Pandas — Итерация

Декабрь 5, 2018

Поведение базовой итерации над объектами Pandas зависит от типа. При итерации по Серии она рассматривается как массив, и базовая итерация выдает значения. Другие структуры данных, такие как DataFrame и Panel, следуют соглашению о переборах ключей объектов.

Короче говоря, базовая итерация (для i в объекте) производит —

  • Серия — ценности

  • DataFrame — метки столбцов

  • Панель — ярлыки элементов

Серия — ценности

DataFrame — метки столбцов

Панель — ярлыки элементов

Итерация DataFrame

Итерация DataFrame дает имена столбцов. Давайте рассмотрим следующий пример, чтобы понять то же самое.

Live Demo

import pandas as pd
import numpy as np
 
N=20
df = pd.DataFrame({
   'A': pd.date_range(start='2016-01-01',periods=N,freq='D'),
   'x': np.linspace(0,stop=N-1,num=N),
   'y': np.random.rand(N),
   'C': np.random.choice(['Low','Medium','High'],N).tolist(),
   'D': np.random.normal(100, 10, size=(N)).tolist()
   })

for col in df:
   print col

Его вывод выглядит следующим образом — 

A
C
D
x
y

Чтобы перебрать строки DataFrame, мы можем использовать следующие функции:

  • iteritems () — для перебора пар (ключ, значение)

  • iterrows () — перебирает строки как пары (index, series)

  • itertuples () — перебирает строки как именованные

iteritems () — для перебора пар (ключ, значение)

iterrows () — перебирает строки как пары (index, series)

itertuples () — перебирает строки как именованные

iteritems ()

Перебирает каждый столбец в качестве ключа, пару значений с меткой в ​​качестве ключа и значение столбца в качестве объекта Series.

Live Demo 

import pandas as pd
import numpy as np
 
df = pd.DataFrame(np.random.randn(4,3),columns=['col1','col2','col3'])
for key,value in df.iteritems():
   print key,value

Его вывод выглядит следующим образом — 

col1 0    0.802390
1    0.324060
2    0.256811
3    0.839186
Name: col1, dtype: float64

col2 0    1.624313
1   -1.033582
2    1.796663
3    1.856277
Name: col2, dtype: float64

col3 0   -0.022142
1   -0.230820
2    1.160691
3   -0.830279
Name: col3, dtype: float64

Обратите внимание, что каждый столбец повторяется отдельно в виде пары ключ-значение в серии.

iterrows ()

iterrows () возвращает итератор, дающий каждое значение индекса вместе с серией, содержащей данные в каждой строке.

Live Demo 

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(4,3),columns = ['col1','col2','col3'])
for row_index,row in df.iterrows():
   print row_index,row

Его вывод выглядит следующим образом — 

0  col1    1.529759
   col2    0.762811
   col3   -0.634691
Name: 0, dtype: float64

1  col1   -0.944087
   col2    1.420919
   col3   -0.507895
Name: 1, dtype: float64
 
2  col1   -0.077287
   col2   -0.858556
   col3   -0.663385
Name: 2, dtype: float64
3  col1    -1.638578
   col2     0.059866
   col3     0.493482
Name: 3, dtype: float64

Примечание. Поскольку iterrows () выполняет итерацию по строкам, он не сохраняет тип данных по всей строке. 0,1,2 — индексы строк, а col1, col2, col3 — индексы столбцов.

itertuples ()

Метод itertuples () возвращает итератор, выдающий именованный кортеж для каждой строки в DataFrame. Первым элементом кортежа будет соответствующее значение индекса строки, в то время как остальные значения являются значениями строки.

Live Demo 

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(4,3),columns = ['col1','col2','col3'])
for row in df.itertuples():
    print row

Его вывод выглядит следующим образом — 

Pandas(Index=0, col1=1.5297586201375899, col2=0.76281127433814944, col3=-
0.6346908238310438)

Pandas(Index=1, col1=-0.94408735763808649, col2=1.4209186418359423, col3=-
0.50789517967096232)

Pandas(Index=2, col1=-0.07728664756791935, col2=-0.85855574139699076, col3=-
0.6633852507207626)

Pandas(Index=3, col1=0.65734942534106289, col2=-0.95057710432604969,
col3=0.80344487462316527)

Примечание. Не пытайтесь изменить какой-либо объект во время итерации. Итерация предназначена для чтения, и итератор возвращает копию исходного объекта (представление), поэтому изменения не отразятся на исходном объекте.

Live Demo 

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(4,3),columns = ['col1','col2','col3'])

for index, row in df.iterrows():
   row['a'] = 10
print df

Его вывод выглядит следующим образом — 

        col1       col2       col3
0  -1.739815   0.735595  -0.295589
1   0.635485   0.106803   1.527922
2  -0.939064   0.547095   0.038585
3  -1.016509  -0.116580  -0.523158

Наблюдайте, никаких изменений не отражено.

74
Share: