Rindas atkārtošana Pandas DataFrame programmā Python

Iterrows() izmantošana, lai atkārtotu rindas Pandas DataFrame

Python ar Pandas bibliotēku

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

Atkārtošana ar itertuples() labākai veiktspējai

Python ar Pandas bibliotēku

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

Piekļuve rindām, izmantojot metodi DataFrame apply().

Python ar Pandas bibliotēku

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

Izmantojot DataFrame.iterrows() un Enumerate

Python ar Pandas bibliotēku

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

Bieži uzdotie jautājumi par atkārtošanu pa rindām pandās

1. Kāds ir visefektīvākais veids, kā atkārtot DataFrame rindas?
2. The itertuples() Metode parasti ir visefektīvākā rindu atkārtošanai, jo tā ļauj izvairīties no papildu izdevumiem, veidojot sērijas objektus katrai rindai.
3. Kā es varu mainīt DataFrame vērtības iterācijas laikā?
4. Tu vari izmantot loc vai iloc savā cilpā, lai tieši mainītu DataFrame vērtības.
5. Kāda ir atšķirība starp iterrows() un itertuples()?
6. iterrows() atgriež katru rindu kā sēriju, while itertuples() katru rindu atgriež kā nosaukto rindu, kas ir ātrāka un efektīvāka atmiņai.
7. Vai varu izmantot saraksta izpratni ar DataFrame rindām?
8. Jā, sarakstu izpratni var izmantot kompaktākām un efektīvākām datu pārveidošanām.
9. Kā filtrēt rindas pirms iterācijas?
10. Izmantojiet query() metodi vai Būla indeksēšanu, lai filtrētu rindas, pamatojoties uz nosacījumiem.
11. Vai ir iespējams atkārtot tikai noteiktās kolonnas?
12. Jā, jūs varat atkārtot noteiktas kolonnas, piekļūstot tām, izmantojot df[column_name] jūsu cilpas ietvaros.
13. Kā katrai rindai lietot funkciju?
14. Izmantojiet apply() metode ar ass parametru, kas iestatīts uz 1.
15. Kādas ir lietošanas ietekmes uz veiktspēju iterrows()?
16. iterrows() ir lēnāks, salīdzinot ar itertuples() un jāizmanto, ja sērijas objektu lasāmība ir nepieciešama, nevis veiktspēja.

Pēdējās domas par DataFrame rindu iterāciju

Dažādu metožu apgūšana rindu atkārtošanai Pandas DataFrame nodrošina lielāku elastību un efektivitāti datu apstrādes uzdevumos. Neatkarīgi no tā, vai izvēlaties iterrows() lasāmībai, itertuples() veiktspējai vai apply() metodi pielāgotām funkcijām, šo metožu izpratne uzlabos jūsu spēju efektīvi apstrādāt lielas datu kopas. Eksperimentējiet ar šīm metodēm, lai noteiktu, kura vislabāk atbilst jūsu īpašajām prasībām un darbplūsmām.