pandas物件之間的基本迭代的行為取決於型別。當迭代乙個系列時，它被視為陣列式，基本迭代產生這些值。其他資料結構，如：dataframe和panel，遵循類似慣例迭代物件的鍵。
簡而言之，基本迭代(對於i在物件中)產生 -
series - 值
dataframe - 列標籤
pannel - 專案標籤
迭代dataframe
迭代dataframe提供列名。現在來看看下面的例子來理解這個概念。
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)
執行上面示例**，得到以下結果 -ac
dxy要遍歷資料幀(dataframe)中的行，可以使用以下函式 -
iteritems() - 迭代(key，value)對
iterrows() - 將行迭代為(索引，系列)對
itertuples() - 以namedtuples的形式迭代行
iteritems()示例
將每個列作為鍵，將值與值作為鍵和列值迭代為series物件。
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)
執行上面示例**，得到以下結果 -
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
觀察一下，單獨迭代每個列作為系列中的鍵值對。
iterrows()示例
iterrows()返回迭代器，產生每個索引值以及包含每行資料的序列。
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)
執行上面示例**，得到以下結果 -
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
注意 - 由於iterrows()遍歷行，因此不會跨該行保留資料型別。0,1,2是行索引，col1，col2，col3是列索引。
itertuples()示例
itertuples()方法將為dataframe中的每一行返回乙個產生乙個命名元組的迭代器。元組的第乙個元素將是行的相應索引值，而剩餘的值是行值。
示例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)
執行上面示例**，得到以下結果 -
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)
注意 - 不要嘗試在迭代時修改任何物件。迭代是用於讀取，迭代器返回原始物件(檢視)的副本，因此更改將不會反映在原始物件上。
示例**
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)
執行上面示例**，得到以下結果 -
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
注意觀察結果，修改變化並未反映出來。
¥ 我要打賞
糾錯/補充
收藏加qq群啦，易百教程官方技術學習群
注意：建議每個人選自己的技術方向**，同乙個qq最多限加 3 個群。
Pandas處理較大檔案 讀檔案
1 讀取檔案中前部分 通過nrows引數，來設定讀取檔案的前多少行，nrows是乙個大於等於0的整數。data pd.read csv data.csv nrows 5 print data a b c 0 0 1 2 1 3 4 5 2 6 7 8 3 9 10 11 4 12 13 14 2 逐...
Pandas 03 檔案讀和儲存
詳解pandas檔案讀寫和儲存 1 pandas.read csv讀取檔案 2 快速瀏覽讀入的資料 3 pandas.dataframe.to csv寫入檔案 4 參考資料 pandas能處理多種 資料型別 詳細見 data1 name2 age3 data name age 2018 6 16 李...
使用Pandas的迭代以及其他關於效率的一點記錄
1.將series轉成dataframe進行iterrows迭代 初學pandas，開始不知道series可以迭代 計算強度 耗時 464.36 秒 2.使用 series.items 等同itertems 迭代計算 計算強度 耗時 50.41 秒 從這個結果看時間可能是消耗在series轉成dat...