📅 最后修改于: 2020-11-06 05:41:10 🧑 作者: Mango
在Pandas对象上进行基本迭代的行为取决于类型。在Series上进行迭代时，它被视为类似于数组，并且基本迭代会生成值。其他数据结构(如DataFrame和Panel)遵循类似dict的约定，即在对象的键上进行迭代。
简而言之，基本迭代(对于对象中的i )产生-
系列-值
DataFrame-列标签
面板-项目标签
迭代DataFrame会给出列名。让我们考虑以下示例以了解相同的情况。
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
其输出如下-
A
C
D
x
y
要遍历DataFrame的行，我们可以使用以下函数-
iteritems() -迭代(键，值)对
iterrows() -以(index，series)对的形式遍历行
itertuples() -以namedtuples的形式遍历行
遍历每列作为键，将带有标签的值对作为键，将列值作为Series对象。
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
其输出如下-
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
观察到，每一列作为系列中的键值对分别进行迭代。
iterrows()返回产生每个索引值以及包含每一行数据的序列的迭代器。
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
其输出如下-
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–由于iterrows()遍历行，因此不会保留行中的数据类型。 0,1,2是行索引，而col1，col2，col3是列索引。
itertuples()方法将返回一个迭代器，为DataFrame中的每一行生成一个命名的元组。元组的第一个元素将是该行的相应索引值，而其余值是该行值。
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
其输出如下-
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–请勿在迭代时尝试修改任何对象。迭代用于读取，迭代器返回原始对象的副本(视图)，因此更改不会反映在原始对象上。
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
其输出如下-
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
观察，没有任何变化。