Iteració sobre files en un Pandas DataFrame a Python

Utilitzant iterrows() per iterar sobre files en un Pandas DataFrame

Biblioteca Python amb Pandas

import pandas as pd

# Create a sample DataFrame
data = {'c1': [10, 11, 12], 'c2': [100, 110, 120]}
df = pd.DataFrame(data)

# Iterate over rows using iterrows()
for index, row in df.iterrows():
    print(row['c1'], row['c2'])

# Output:
# 10 100
# 11 110
# 12 120

Iterant amb itertuples() per a un millor rendiment

Biblioteca Python amb Pandas

import pandas as pd

# Create a sample DataFrame
data = {'c1': [10, 11, 12], 'c2': [100, 110, 120]}
df = pd.DataFrame(data)

# Iterate over rows using itertuples()
for row in df.itertuples():
    print(row.c1, row.c2)

# Output:
# 10 100
# 11 110
# 12 120

Accés a les files amb el mètode DataFrame apply().

Biblioteca Python amb Pandas

import pandas as pd

# Create a sample DataFrame
data = {'c1': [10, 11, 12], 'c2': [100, 110, 120]}
df = pd.DataFrame(data)

# Define a function to apply to each row
def print_row(row):
    print(row['c1'], row['c2'])

# Apply the function to each row
df.apply(print_row, axis=1)

# Output:
# 10 100
# 11 110
# 12 120

Utilitzant DataFrame.iterows() i Enumerate

Biblioteca Python amb Pandas

import pandas as pd

# Create a sample DataFrame
data = {'c1': [10, 11, 12], 'c2': [100, 110, 120]}
df = pd.DataFrame(data)

# Iterate over rows using iterrows() and enumerate()
for i, (index, row) in enumerate(df.iterrows()):
    print(f'Index: {index}, Row {i}: {row["c1"]}, {row["c2"]}')

# Output:
# Index: 0, Row 0: 10, 100
# Index: 1, Row 1: 11, 110
# Index: 2, Row 2: 12, 120

Preguntes habituals sobre la iteració de files a Pandas

1. Quina és la manera més eficient d'iterar sobre les files de DataFrame?
2. El itertuples() El mètode és generalment el més eficient per iterar sobre files perquè evita la sobrecàrrega de crear objectes de sèrie per a cada fila.
3. Com puc modificar els valors de DataFrame mentre itero?
4. Pots fer servir loc o iloc dins del vostre bucle per modificar els valors de DataFrame directament.
5. Quina és la diferència entre iterrows() i itertuples()?
6. iterrows() retorna cada fila com una sèrie, mentre itertuples() retorna cada fila com a namedtuple, que és més ràpid i eficient en memòria.
7. Puc utilitzar la comprensió de llistes amb files de DataFrame?
8. Sí, les llistes de comprensió es poden utilitzar per a transformacions de dades més compactes i eficients.
9. Com filtre les files abans de la iteració?
10. Utilitzar el query() mètode o indexació booleana per filtrar files en funció de les condicions.
11. És possible iterar només sobre columnes específiques?
12. Sí, podeu iterar sobre columnes específiques accedint-hi mitjançant df[column_name] dins del teu bucle.
13. Com aplico una funció a cada fila?
14. Utilitzar el apply() mètode amb el paràmetre de l'eix establert a 1.
15. Quines són les implicacions de rendiment de l'ús iterrows()?
16. iterrows() és més lent en comparació amb itertuples() i s'ha d'utilitzar quan es necessita la llegibilitat dels objectes de la sèrie per sobre del rendiment.

Consideracions finals sobre la iteració de files de DataFrame

Dominar els diferents mètodes d'iteració sobre files en un Pandas DataFrame permet una major flexibilitat i eficiència en les tasques de manipulació de dades. Tant si trieu iterrows() per a la llegibilitat, itertuples() per al rendiment, o el apply() mètode per a funcions personalitzades, entendre aquestes tècniques millorarà la vostra capacitat per gestionar grans conjunts de dades de manera eficaç. Experimenteu amb aquests mètodes per determinar quin s'adapta millor als vostres requisits i fluxos de treball específics.