from:
在對dataframe進行操作時，我們不可避免的需要逐行檢視或運算元據，那麼有什麼高效、快捷的方法呢？
import pandas as pd
inp = [, , ] df = pd.dataframe(inp) for x in xrange(len(df.index)): print df['c1'].iloc[x]
這似乎是最常規的辦法，而且可以在迭代的過程中對dataframe進行操作。
for i, row in enumerate(df.values):
index= df.index[i]
print row
df.values 是 numpy.ndarray 型別
這裡 i 是index的序號， row是numpy.ndarray型別。
import pandas as pd
inp = [, , ] df = pd.dataframe(inp) for index, row in df.iterrows(): print row['c1'], row['c2'] #10 100 #11 110 #12 120
df.iterrows() 的每次迭代都是乙個tuple型別,包含了index和每行的資料。
採用iterrows的方法，得到的 row 是乙個series，dataframe的dtypes不會被保留。
返回的series只是乙個原始dataframe的複製，不可以對原始dataframe進行修改；
import pandas as pd
inp = [, , ] df = pd.dataframe(inp) for row in df.itertuples(): # print row[0], row[1], row[2] 等同於 print row.index, row.c1, row.c2
itertuples 返回的是乙個 pandas.core.frame.pandas 型別。
普遍認為itertuples 比 iterrows的速度要快。
zip 和 itertools.izip的用法是相似的， 但是zip返回乙個list，而izip返回乙個迭代器。 如果資料量很大，zip的效能不及izip
from itertools import izip
import pandas as pd
inp = [, , ] df = pd.dataframe(inp) for row in izip(df.index, df['c1'], df['c2']): print row
import time
from numpy.random import randn
如何使用迭代器迭代集合
iterator 迭代器是乙個專門用來遍歷集合使用的類，迭代器需要通過 集合物件.iterator 方法獲得。迭代器物件使用 hashnext 方法 檢視是否還有可以迭代的元素，使用next 方法返回迭代器中的物件。迭代器返回的物件預設都是object型別。set集合的遍歷 1.通過set集合呼叫i...
測試array的迭代效率（如何選取迭代順序）
乙個函式有兩個輸入量，乙個算術複雜度高，乙個算術複雜度低，你會把哪個放到外迴圈，哪個放到內迴圈？想想也知道應該把算術複雜度低的放到內迴圈，因為每次外迴圈迭代，內迴圈就要計算一次。如果是用array型別，那麼內迴圈就省了 可以直接計算數值 那麼應該迭代複雜度高的量，還是複雜度低的量？但是剛剛睡午覺的時...
python迭代 如何對迭代器做切片操作
問題舉例 讀取某個檔案內容的100 300行內容，我們是否可以使用 類似列表切片的方式得到乙個100 300行檔案內容的生成器 列表的切片操作其實是在過載方法 getitem 方法 可以通過file.readlines 後再做切片，記憶體會載入整個檔案到記憶體，如果檔案太大，會浪費記憶體空間 使用i...