溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容主要講解“pandas.DataFrame的for循環迭代如何實現”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“pandas.DataFrame的for循環迭代如何實現”吧!
當使用for語句循環（迭代）pandas.DataFrame時，簡單的使用for語句便可以取得返回列名，因此使用重復使用for方法，便可以獲取每行的值。
以下面的pandas.DataFrame為例。
import pandas as pd
df = pd.DataFrame({'age': [24, 42], 'state': ['NY', 'CA'], 'point': [64, 92]},
index=['Alice', 'Bob'])
print(df)
# age state point
# Alice 24 NY 64
# Bob 42 CA 92在此對以下內容進行說明：
pandas.DataFrame for循環的應用
逐列檢索
DataFrame.iteritems()
逐行檢索
DataFrame.iterrows()
DataFrame.itertuples()
檢索特定列的值
循環更新值
當pandas.DataFrame直接使用for循環時，按以下順序獲取列名（列名）。
for column_name in df:
print(type(column_name))
print(column_name)
print('======\n')
# <class 'str'>
# age
# ======
#
# <class 'str'>
# state
# ======
#
# <class 'str'>
# point
# ======
#調用方法__iter __（）。
for column_name in df.__iter__():
print(type(column_name))
print(column_name)
print('======\n')
# <class 'str'>
# age
# ======
#
# <class 'str'>
# state
# ======
#
# <class 'str'>
# point
# ======
#使用iteritems（）方法，您可以一一獲取列名稱（列名稱）和元組（列名稱，系列）的每個列的數據（pandas.Series類型）。
pandas.Series可以通過指定索引名稱等來檢索行的值。
for column_name, item in df.iteritems():
print(type(column_name))
print(column_name)
print('~~~~~~')
print(type(item))
print(item)
print('------')
print(item['Alice'])
print(item[0])
print(item.Alice)
print('======\n')
# <class 'str'>
# age
# ~~~~~~
# <class 'pandas.core.series.Series'>
# Alice 24
# Bob 42
# Name: age, dtype: int64
# ------
# 24
# 24
# 24
# ======
#
# <class 'str'>
# state
# ~~~~~~
# <class 'pandas.core.series.Series'>
# Alice NY
# Bob CA
# Name: state, dtype: object
# ------
# NY
# NY
# NY
# ======
#
# <class 'str'>
# point
# ~~~~~~
# <class 'pandas.core.series.Series'>
# Alice 64
# Bob 92
# Name: point, dtype: int64
# ------
# 64
# 64
# 64
# ======
#一次檢索一行的方法包括iterrows（）和itertuples（）。 itertuples（）更快。
如果只需要特定列的值，則如下所述，指定列并將它們分別在for循環中進行迭代會更快。
通過使用iterrows（）方法，可以獲得每一行的數據（pandas.Series類型）和行名和元組（索引，系列）。
pandas.Series可以通過指定列名等來檢索列的值。
for index, row in df.iterrows():
print(type(index))
print(index)
print('~~~~~~')
print(type(row))
print(row)
print('------')
print(row['point'])
print(row[2])
print(row.point)
print('======\n')
# <class 'str'>
# Alice
# ~~~~~~
# <class 'pandas.core.series.Series'>
# age 24
# state NY
# point 64
# Name: Alice, dtype: object
# ------
# 64
# 64
# 64
# ======
#
# <class 'str'>
# Bob
# ~~~~~~
# <class 'pandas.core.series.Series'>
# age 42
# state CA
# point 92
# Name: Bob, dtype: object
# ------
# 92
# 92
# 92
# ======使用itertuples（）方法，可以一一獲取索引名（行名）和該行數據的元組。元組的第一個元素是索引名稱。
默認情況下，返回一個名為Pandas的namedtuple。由于它是namedtuple，因此可以訪問每個元素的值。
for row in df.itertuples():
print(type(row))
print(row)
print('------')
print(row[3])
print(row.point)
print('======\n')
# <class 'pandas.core.frame.Pandas'>
# Pandas(Index='Alice', age=24, state='NY', point=64)
# ------
# 64
# 64
# ======
#
# <class 'pandas.core.frame.Pandas'>
# Pandas(Index='Bob', age=42, state='CA', point=92)
# ------
# 92
# 92
# ======
#如果參數name為None，則返回一個普通的元組。
for row in df.itertuples(name=None):
print(type(row))
print(row)
print('------')
print(row[3])
print('======\n')
# <class 'tuple'>
# ('Alice', 24, 'NY', 64)
# ------
# 64
# ======
#
# <class 'tuple'>
# ('Bob', 42, 'CA', 92)
# ------
# 92
# ======上述的iterrows（）和itertuples（）方法可以檢索每一行中的所有列元素，但是如果僅需要特定的列元素，可以使用以下方法。
pandas.DataFrame的列是pandas.Series。
print(df['age']) # Alice 24 # Bob 42 # Name: age, dtype: int64 print(type(df['age'])) # <class 'pandas.core.series.Series'>
如果將pandas.Series應用于for循環，則可以按順序獲取值，因此，如果指定pandas.DataFrame列并將其應用于for循環，則可以按順序獲取該列中的值。
for age in df['age']: print(age) # 24 # 42
如果使用內置函數zip（），則可以一次收集多列值。
for age, point in zip(df['age'], df['point']): print(age, point) # 24 64 # 42 92
如果要獲取索引（行名），使用index屬性。如以上示例所示，可以與其他列一起通過zip（）獲得。
print(df.index) # Index(['Alice', 'Bob'], dtype='object') print(type(df.index)) # <class 'pandas.core.indexes.base.Index'> for index in df.index: print(index) # Alice # Bob for index, state in zip(df.index, df['state']): print(index, state) # Alice NY # Bob CA
iterrows（）方法逐行檢索值，返回一個副本，而不是視圖，因此更改pandas.Series不會更新原始數據。
for index, row in df.iterrows(): row['point'] += row['age'] print(df) # age state point # Alice 24 NY 64 # Bob 42 CA 92
at[]選擇并處理原始DataFrame中的數據時更新。
for index, row in df.iterrows(): df.at[index, 'point'] += row['age'] print(df) # age state point # Alice 24 NY 88 # Bob 42 CA 134
有關at[]的文章另請參考以下連接。
Pandas獲取和修改任意位置的值（at,iat,loc,iloc）
請注意，上面的示例使用at[]只是一個示例，在許多情況下，有必要使用for循環來更新元素或基于現有列添加新列，for循環的編寫更加簡單快捷。
與上述相同的處理。上面更新的對象被進一步更新。
df['point'] += df['age'] print(df) # age state point # Alice 24 NY 112 # Bob 42 CA 176
可以添加新列。
df['new'] = df['point'] + df['age'] * 2 print(df) # age state point new # Alice 24 NY 112 160 # Bob 42 CA 176 260
除了簡單的算術運算之外，NumPy函數還可以應用于列的每個元素。以下是平方根的示例。另外，這里，NumPy的功能可以通過pd.np訪問，但是，當然可以單獨導入NumPy。
df['age_sqrt'] = pd.np.sqrt(df['age']) print(df) # age state point new age_sqrt # Alice 24 NY 112 160 4.898979 # Bob 42 CA 176 260 6.480741
對于字符串，提供了用于直接處理列（系列）的字符串方法。下面是轉換為小寫并提取第一個字符的示例。
df['state_0'] = df['state'].str.lower().str[0] print(df) # age state point new age_sqrt state_0 # Alice 24 NY 112 160 4.898979 n # Bob 42 CA 176 260 6.480741 c
到此，相信大家對“pandas.DataFrame的for循環迭代如何實現”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
