Eilučių kartojimas Pandas DataFrame programoje Python

Iterrows() naudojimas norint kartoti eilutes Pandas DataFrame

Python su Pandas biblioteka

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

Iteravimas naudojant itertuples() geresniam našumui užtikrinti

Python su Pandas biblioteka

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

Prieiga prie eilučių naudojant DataFrame taikyti() metodą

Python su Pandas biblioteka

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

Naudojant DataFrame.iterrows() ir Enumerate

Python su Pandas biblioteka

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

Dažni klausimai apie kartojimą per eilutes „Pandas“.

1. Koks yra efektyviausias būdas kartoti „DataFrame“ eilutes?
2. The itertuples() Metodas paprastai yra efektyviausias kartojant eilutes, nes išvengiama papildomų išlaidų kuriant serijos objektus kiekvienai eilutei.
3. Kaip galiu pakeisti DataFrame reikšmes kartodamas?
4. Tu gali naudoti loc arba iloc savo cikle, kad galėtumėte tiesiogiai keisti DataFrame reikšmes.
5. Koks skirtumas tarp iterrows() ir itertuples()?
6. iterrows() grąžina kiekvieną eilutę kaip seriją, while itertuples() kiekvieną eilutę grąžina kaip vardinę eilutę, kuri yra greitesnė ir taupesnė atmintyje.
7. Ar galiu naudoti sąrašo supratimą su „DataFrame“ eilutėmis?
8. Taip, sąrašo supratimas gali būti naudojamas kompaktiškesniems ir efektyvesniems duomenų transformavimui.
9. Kaip filtruoti eilutes prieš iteraciją?
10. Naudoti query() metodą arba Būlio indeksavimą, kad būtų galima filtruoti eilutes pagal sąlygas.
11. Ar galima kartoti tik tam tikrus stulpelius?
12. Taip, galite kartoti konkrečius stulpelius, pasiekdami juos naudodami df[column_name] jūsų kilpoje.
13. Kaip kiekvienai eilutei pritaikyti funkciją?
14. Naudoti apply() metodas, kai ašies parametras nustatytas į 1.
15. Kokios yra naudojimo pasekmės našumui iterrows()?
16. iterrows() yra lėtesnis, palyginti su itertuples() ir turėtų būti naudojamas, kai serijos objektus reikia skaityti, o ne našumą.

Paskutinės mintys apie DataFrame eilučių iteraciją

Įvaldę skirtingus kartojimo per eilutes Pandas DataFrame metodus, galima lanksčiau ir efektyviau dirbti su duomenimis. Nesvarbu, ar pasirinksite iterrows() skaitomumui, itertuples() atlikimui arba apply() Naudojant pasirinktinių funkcijų metodą, šių metodų supratimas pagerins jūsų gebėjimą efektyviai tvarkyti didelius duomenų rinkinius. Eksperimentuokite su šiais metodais, kad nustatytumėte, kuris geriausiai atitinka jūsų konkrečius reikalavimus ir darbo eigą.