本文介绍: 其中,iterrows方法返回一个迭代器,可以逐行遍历DataFrame,返回每一行数据索引和值。总的来说,对于大型的 Pandas DataFrame应该尽量避免使用循环遍历,而是使用 Pandas 内置方法,如 apply() 和 applymap() 等。applymap() 方法可以应用一个函数到 DataFrame 中的每一个元素,返回一个新的 DataFrame。apply() 方法可以应用一个函数到 DataFrame 中的每一个元素,返回一个新的 DataFrame

for 循环遍历每一行/列

使用 for 循环可以遍历 DataFrame 中的每一行或每一列。需要使用 iterrows() 方法遍历每一行,或者使用 iteritems() 方法遍历每一列。

代码如下

import pandas as pd

# 创建 DataFrame
data = {
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35],
    'gender': ['F', 'M', 'M']
}
df = pd.DataFrame(data)

# 遍历每一行
for index, row in df.iterrows():
    print(f"Index: {index}, Row: {row['name']}, {row['age']}, {row['gender']}")

# 遍历每一列
for column, value in df.iteritems():
    print(f"Column: {column}")
    print(value)

apply() 方法

apply() 方法可以应用一个函数到 DataFrame 中的每一个元素,返回一个新的 DataFrame。

import pandas as pd

# 创建 DataFrame
data = {
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35],
    'gender': ['F', 'M', 'M']
}
df = pd.DataFrame(data)

# 定义一个函数,对每一个元素加 1
def add_one(x):
    return x + 1

# 应用函数到 DataFrame
df_new = df.apply(add_one)
print(df_new)
import pandas as pd

df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

df["C"] = df["B"].apply(lambda x: x * 2)

输出结果如下

   A  B  C
0  1  3  6
1  2  4  8

其中,apply方法接受一个函数作为参数,该函数输入是该列的每一个值,输出计算结果

applymap() 方法

applymap() 方法可以应用一个函数到 DataFrame 中的每一个元素,返回一个新的 DataFrame。

import pandas as pd

# 创建 DataFrame
data = {
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35],
    'gender': ['F', 'M', 'M']
}
df = pd.DataFrame(data)

# 定义一个函数,对每一个元素加 1
def add_one(x):
    return x + 1

# 应用函数到 DataFrame
df_new = df.applymap(add_one)
print(df_new)

map() 方法

map() 方法可以应用一个函数到 Series 中的每一个元素,返回一个新的 Series

import pandas as pd

# 创建 Series
s = pd.Series([1, 2, 3])

# 定义一个函数,对每一个元素加 1
def add_one(x):
    return x + 1

# 应用函数到 Series
s_new = s.map(add_one)
print(s_new)

iterrows()方法

pandas提供了多种方法来遍历DataFrame的行数据,主要有iterrows、itertuples和apply等。其中,iterrows方法返回一个迭代器,可以逐行遍历DataFrame,返回每一行数据的索引和值。它的基本使用方法如下

import pandas as pd

df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

for index, row in df.iterrows():
    print(index, row)

输出结果如下

0 A    1
  B    3
1 A    2
  B    4
dtype: int64

其中,index是每一行数据的索引,row是一个Series对象,表示该行数据。我们可以通过row[“列名”]或row.列名方式获取指定列的值。

iteritems()方法

iteritems()方法以 (列标签,列) 的形式遍历 DataFrame 的列。它返回一个迭代器,其中每个元素都是一个元组元组包含标签对应列的 Pandas Series。

例如:

for col_label, column in df.iteritems():
    print(col_label)
    print(column)

itertuples()方法

itertuples()方法以命名元组的形式遍历 DataFrame 的行。返回的每个命名元组都代表 DataFrame 中的一行。这种方法比 iterrows() 更快。

示例如下

for row in df.itertuples(index=False):
    print(row)
import pandas as pd

df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

for row in df.itertuples():
    print(row.Index, row.A, row.B)

总的来说,对于大型的 Pandas DataFrame,应该尽量避免使用循环遍历,而是使用 Pandas 内置的方法,如 apply() 和 applymap() 等。这些方法能够更快速、高效地操作 DataFrame。

参考https://pythonjishu.com/pandas-6-traversal-method/
https://www.python100.com/html/113031.html

原文地址:https://blog.csdn.net/xc_zhou/article/details/132818118

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任

如若转载,请注明出处:http://www.7code.cn/show_15791.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注