Pandas | 09 迭代
Pandas对象之间的基本迭代的行为取决于类型。当迭代一个系列时，它被视为数组式，基本迭代产生这些值。其他数据结构，如：DataFrame和Panel，遵循类似惯例，迭代对象的键。
简而言之，基本迭代(对于i在对象中)产生 -
- Series - 值
- DataFrame - 列标签
- Pannel - 项目标签
迭代DataFrame
迭代DataFrame，默认迭代对象的键（列）。
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() }) print(df) print('\n') for col in df: print (col)
输出结果：
A x y C D
0 2016-01-01 0.0 0.433094 Medium 122.454137
1 2016-01-02 1.0 0.702406 Low 87.920907
2 2016-01-03 2.0 0.106648 Low 110.453026
3 2016-01-04 3.0 0.553946 High 93.357313
4 2016-01-05 4.0 0.055309 Medium 101.677134
5 2016-01-06 5.0 0.870506 Low 93.611441
6 2016-01-07 6.0 0.265124 High 89.684828
7 2016-01-08 7.0 0.608606 Medium 106.256583
8 2016-01-09 8.0 0.915061 High 87.611971
9 2016-01-10 9.0 0.403021 Medium 118.759460
10 2016-01-11 10.0 0.042113 Medium 96.181790
11 2016-01-12 11.0 0.740301 Low 105.394580
12 2016-01-13 12.0 0.996189 Low 101.069863
13 2016-01-14 13.0 0.204401 Medium 107.772976
14 2016-01-15 14.0 0.595775 High 93.862074
15 2016-01-16 15.0 0.449922 Medium 95.686896
16 2016-01-17 16.0 0.649613 Low 95.902673
17 2016-01-18 17.0 0.549016 Medium 103.786598
18 2016-01-19 18.0 0.428497 Medium 82.460432
19 2016-01-20 19.0 0.426844 High 107.196597
A
x
y
C
D
要遍历数据帧(DataFrame)中的行，可以使用以下函数：
iteritems()- 迭代(key，value)对；iterrows()- 将行迭代为(索引，系列)对；itertuples()- 以namedtuples的形式迭代行；
1. iteritems()
将每个列作为键，将值与值作为键和列值，迭代为Series对象。
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(4,3),columns=['col1','col2','col3']) print(df) print('\n') for key,value in df.iteritems(): print (key,value,'\n')
输出结果：
col1 col2 col3
0 0.096004 1.836687 0.513612
1 0.506905 -0.042988 -0.438362
2 -1.425654 1.081005 0.182610
3 -0.746107 -0.971394 -0.204752
col1 0 0.096004
1 0.506905
2 -1.425654
3 -0.746107
Name: col1, dtype: float64
col2 0 1.836687
1 -0.042988
2 1.081005
3 -0.971394
Name: col2, dtype: float64
col3 0 0.513612
1 -0.438362
2 0.182610
3 -0.204752
Name: col3, dtype: float64
观察一下，单独迭代每个列作为系列中的键值对。
2. iterrows()
iterrows()返回迭代器，产生每个索引值以及包含每行数据的序列。
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,'\n')
输出结果：
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 - 由于
iterrows()遍历行，因此不会跨该行保留数据类型。0,1,2是行索引，col1，col2，col3是列索引。
3. itertuples()
itertuples()方法将为DataFrame中的每一行返回一个产生一个命名元组的迭代器。元组的第一个元素将是行的相应索引值，而剩余的值是行值。
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)
输出结果：
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)
