Итерация Pandas

поведение базового итерирования объектов Pandas зависит от типа. При итерировании по Series оно эквивалентно массиву. Другие структуры данных (например, DataFrame и Panel) следуют грамматике, аналогичной dict, то есть итерирование по ключам объекта.

Коротко, базовая итерация (for i в объекте) produces −

Series − значение DataFrame − колонка метка Panel − item метка

Итерация DataFrame

Итерация DataFrame даст имена колонок. Давайте посмотрим на следующий пример.

　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 следующий

　　　A
　C
　D
　x
　y

Чтобы пройди строки DataFrame, можно использовать следующие функции-

iteritems() − Итерируй пары (ключ, значение) iterrows() − Пройди строки в виде пары (index,series) itertuples() − Пройди строки в виде namedtuples

iteritems()

Пройди каждую колонку в качестве ключа, а пары значений с метками в качестве ключа, а значения колонки в качестве объекта Series.

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

Результат выполнения:

col1　0　　　　0.802390
1　　　　0.324060
2　　　　0.256811
3　　　　0.839186
Имя:　col1,　тип данных:　float64
col2　0　　　　1.624313
1　　　-1.033582
2　　　　1.796663
3　　　　1.856277
Имя:　col2,　тип данных:　float64
col3　0　　　-0.022142
1                  -0.230820
2                  1.160691
3                  -0.830279
Имя: col3, тип данных: float64

可以看出, каждый столбец итерируется как значение ключ-значение в серии.

iterrows()

Итератор iterrows() возвращает итератор, который генерирует значения каждого индекса и последовательность, содержащую данные каждой строки.

　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

Результат выполнения:

0    col1             1.529759
　　　col2                 0.762811
　　　col3                 -0.634691
Имя: 0, тип данных: float64
1    col1             -0.944087
　　　col2                 1.420919
　　　col3                 -0.507895
Имя: 1, тип данных: float64
　
2    col1             -0.077287
　　　col2                 -0.858556
　　　col3                 -0.663385
Имя: 2, тип данных: float64
3    col1             -1.638578
　　　col2                 0.059866
　　　col3                 0.493482
Имя: 3, тип данных: float64

Поскольку iterrows() итерирует строки, данные типа строки не сохраняются. 0,1,2 - это индексы строк, col1, col2, col3 - это индексы столбцов.

itertuples()

Метод itertuples() возвращает итератор, который генерирует命名为 кортеж для каждой строки DataFrame. Первый элемент кортежа будет соответствующим значением индекса строки, а оставшиеся значения будут значениями строки.

　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

Результат выполнения:

Pandas(Индекс=0, col1=1.5297586201375899, col2=0.76281127433814944, col3=-
0.6346908238310438)
Pandas(Индекс=1, col1=-0.94408735763808649, col2=1.4209186418359423, col3=-
0.50789517967096232)
Pandas(Индекс=2, col1=-0.07728664756791935, col2=-0.85855574139699076, col3=-
0.6633852507207626)
Pandas(Index=3,　col1=0.65734942534106289,　col2=-0.95057710432604969,
col3=0.80344487462316527)

　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

Результат выполнения:

　　　　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

Обратите внимание, что никаких изменений не отражено.