pandas按行按列遍历Dataframe的几种方式_dataframe逐行遍历_K.I.O的博客

相关文章推荐

豪气的青蛙 · SSIS 设计器 - SQL Server ...· 5 月前 ·

闷骚的伤疤 · 【数据】【自动化交易】Python获取中国股 ...· 1 年前 ·

坚韧的凉面 · android - Using ADB ...· 1 年前 ·

谦和的手术刀 · 使用jaxp分割xml文件 - 简书· 1 年前 ·

有胆有识的便当 · JavaScript - set ...· 1 年前 ·

遍历数据有以下三种方法：
在这里插入图片描述

简单对上面三种方法进行说明：

iterrows(): 按行遍历，将DataFrame的每一行迭代为(index, Series)对，可以通过row[name]对元素进行访问。
itertuples(): 按行遍历，将DataFrame的每一行迭代为元祖，可以通过row[name]对元素进行访问，比iterrows()效率高。
iteritems():按列遍历，将DataFrame的每一列迭代为(列名, Series)对，可以通过row[index]对元素进行访问。

import pandas as pd
inp = [{'c1':10, 'c2':100}, {'c1':11, 'c2':110}, {'c1':12, 'c2':123}]
df = pd.DataFrame(inp)
print(df)
按行遍历iterrows():
 
for index, row in df.iterrows():
    print(index) # 输出每行的索引值

 row[‘name’] 
# 对于每一行，通过列名name访问对应的元素
for row in df.iterrows():
    print(row['c1'], row['c2']) # 输出每一行
按行遍历itertuples():
 
getattr(row, ‘name’) 
for row in df.itertuples():
    print(getattr(row, 'c1'), getattr(row, 'c2')) # 输出每一行
按列遍历iteritems():
 
for index, row in df.iteritems():
    print(index) # 输出列名
for row in df.iteritems():
    print(row[0], row[1], row[2]) # 输出各列
                                    I am trying to use a loop function to create a matrix of whether a product was seen in a particular week.Each row in the df (representing a product) has a close_date (the date the product closed) and ...
                                    在Pandas中，如果我们想要逐行访问DataFrame的数据，需要对其进行遍历。这里总结了3种遍历DataFrame行的方法，并推荐其中最简洁高效的方式。
                                    for…in 迭代循环
首先介绍Python中最常用的for…in循环遍历的方式。for…in循环结构用于遍历列表、元组、字典、字符串、集合、文件等。其实for和in是两个独立的语法，for语句是Python内置的迭代器工具，用于从可迭代容器对象（如列表、元组、字典、字符串、集合、文件等）中逐个读取元素，直到容器中没有更多元素为止，工具和对象之间只要遵循可迭代协议即可进行迭代操作。in的存在使得...
def customFunction(row):
   return (row.name, row.age, row.city)
sample2 = sample.rdd.map(customFunction)
自定义一个处理函数，并通过rdd的map函数来处理dataframe的每一行数据。
使用collect()函数
若数据量比较小，可以把数据收集到driver本地，然后再用常规的方法来遍历数据。
for row
                                    首先，这四个函数都是遍历df的方法。loc与iloc不使用循环，使用方法均为df.loc[index,:]【】前后用逗号隔开，前边表示行的索引，后边表示列的索引，loc可使用列名称，与行号或列号索引，冒号表示全部的意思，如代码中就表示返回某一行的所有列内容，该方法只能用于修改或者增加某列的值。
而iterrows与iteritems要使用for循环，遍历每一个元素。遍历又分逐行遍历和逐列遍历。前者为遍历每一行，后者为遍历每一列
这里的iterrows()返回值为元组,(index,row)
上面的代码里，f
1. 使用loc或iloc方法
loc：表示location，填写内容为行的值或者列表，若填写内容为值，则返回对应行的内容（Series类型）；若填写内容为列表，则返回对应行的内容（DataFrame类型）
iloc：表示integer+location，填写内容为行的索引（int类型）或者列表，返回内容与loc相同。
因此若需要按照行进行遍历时，
先可以使用inde
                                    下面就为大家分享一篇对Python中DataFrame按照行遍历的方法，具有很好的参考价值，希望对大家有所帮助。一起过来看看吧在做分类模型时候，需要在DataFrame中按照行获取数据以便于进行训练和测试。import pandas as pddict=[[1,2,3,4,5,6],[2,3,4,5,6,7],[3,4,5,6,7,8],[4,5,6,7,8,9],[5,6,7,8,9,10]]d...
           最近要做一个数据挖掘的比赛，又用到了Pandas的遍历，所以想系统的整理下pandas的东西。
           Pandas是python的一个数据分析包，提供了大量的快速便捷处理数据的函数和方法。其中Pandas定义了Series 和 DataFrame两种数据类型，这使数据操作变得更简单。Series 是一种一维的数据结构，类似于将列表数据值与索引值相结合...
                                    对Pandas对象进行基本迭代的行为取决于类型。在遍历一个Series时，它被视为类似数组，并且基本迭代产生这些值。其他数据结构（如DataFrame和Panel）遵循 类似于字典的 惯例，即迭代对象的 键 。
总之，基本的迭代（对于 我 在对象中）产生 -
Series - 值
DataFrame - 列标签
Panel - 项目标签
迭代DataFrame
迭代DataFrame会给出列名称。让我们考虑下面的例子来理解相同的情况。
import pandas as pd
import numpy as