iterrows(),iteritems(),itertuples()區(qū)別

Python函數(shù)之iterrows, iteritems, itertuples對(duì)dataframe進(jìn)行遍歷

• iterrows(): 將DataFrame迭代為(insex, Series)對(duì)。
• iteritems(): 將DataFrame迭代為(列名, Series)對(duì)
• itertuples(): 將DataFrame迭代為元祖。

DataFrame數(shù)據(jù)遍歷方式 iteritems iterrows itertuples

對(duì)Pandas對(duì)象進(jìn)行基本迭代的行為取決于類型。在遍歷一個(gè)Series時(shí)，它被視為類似數(shù)組，并且基本迭代產(chǎn)生這些值。其他數(shù)據(jù)結(jié)構(gòu)（如DataFrame和Panel）遵循類似于字典的慣例，即迭代對(duì)象的 鍵 。

總之，基本的迭代產(chǎn)生

• Series - 值
• DataFrame - 列標(biāo)簽
• Panel - 項(xiàng)目標(biāo)簽

迭代DataFrame

迭代DataFrame會(huì)給出列名稱。讓我們考慮下面的例子來(lái)理解相同的情況。

import pandas as pd
import numpy as np

N=20

df = pd.DataFrame({
? ? 'A': pd.date_range(start='2021-01-01',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)

其 輸出 如下

A
C
D
x
y

要迭代DataFrame的行，我們可以使用以下函數(shù) -

• iteritems（） - 遍歷（鍵，值）對(duì)
• iterrows（） - 遍歷行（索引，序列）對(duì)
• itertuples（） - 遍歷 行為namedtuples

iteritems（）

將每列作為關(guān)鍵字值進(jìn)行迭代，并將標(biāo)簽作為鍵和列值作為Series對(duì)象進(jìn)行迭代。

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)

其 輸出 如下 :

col1 0    0.265778
1   -0.814620
2   -2.384911
3    0.525155
Name: col1, dtype: float64
col2 0    2.580894
1   -0.408090
2    0.641011
3    0.591557
Name: col2, dtype: float64
col3 0   -0.830860
1    0.413565
2   -2.251128
3   -0.392120
Name: col3, dtype: float64

請(qǐng)注意，每個(gè)列在Series中作為鍵值對(duì)單獨(dú)迭代。

iterrows（）

iterrows（）返回產(chǎn)生每個(gè)索引值的迭代器以及包含每行數(shù)據(jù)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)

其 輸出 如下

0 col1   -0.536180
col2   -0.422245
col3   -0.049302
Name: 0, dtype: float64
1 col1   -0.577882
col2    0.546570
col3    1.210293
Name: 1, dtype: float64
2 col1    0.593660
col2    0.621967
col3    0.456040
Name: 2, dtype: float64
3 col1    0.874323
col2    0.303070
col3   -0.107727
Name: 3, dtype: float64

注 - 由于 iterrows（） 遍歷行，因此它不會(huì)保留行中的數(shù)據(jù)類型。0,1,2是行索引，col1，col2，col3是列索引。

itertuples（）

itertuples（）方法將返回一個(gè)迭代器，為DataFrame中的每一行生成一個(gè)命名的元組。元組的第一個(gè)元素將是行的相應(yīng)索引值，而其余值是行值。

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)

其 輸出 如下

Pandas(Index=0, col1=-0.4029137277161786, col2=1.3034737750584355, col3=0.8197109653411052)
Pandas(Index=1, col1=-0.43013422882386704, col2=-0.2536252662252256, col3=0.9102527012477817)
Pandas(Index=2, col1=0.25877683462048057, col2=-0.7725072659033637, col3=-0.013946376730006241)
Pandas(Index=3, col1=0.3611368595844501, col2=-0.2777909818571997, col3=0.9396027945103758)

注 : 不要在迭代時(shí)嘗試修改任何對(duì)象。 迭代是為了讀取而迭代器返回原始對(duì)象（視圖）的副本，因此這些更改不會(huì)反映到原始對(duì)象上。

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)

其 輸出 如下

       col1      col2      col3
0  0.579118  0.444899 -0.693009
1  0.479294  0.080658 -0.126600
2  0.095121 -1.870492  0.596165
3  1.885483 -0.122502 -1.531169

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論