പൈത്തണിലെ ഒരു പാണ്ടാസ് ഡാറ്റാഫ്രെയിമിൽ വരികളിലൂടെ ആവർത്തിക്കുന്നു

ഒരു പാണ്ടാസ് ഡാറ്റാഫ്രെയിമിൽ വരികളിലൂടെ ആവർത്തിക്കാൻ iterrows() ഉപയോഗിക്കുന്നു

പാണ്ടസ് ലൈബ്രറിയോടുകൂടിയ പൈത്തൺ

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

മികച്ച പ്രകടനത്തിനായി ഇറ്റെർട്യൂപ്പിൾസ്() ഉപയോഗിച്ച് ആവർത്തിക്കുന്നു

പാണ്ടസ് ലൈബ്രറിയോടുകൂടിയ പൈത്തൺ

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

DataFrame പ്രയോഗിക്കുന്ന () രീതി ഉപയോഗിച്ച് വരികൾ ആക്സസ് ചെയ്യുന്നു

പാണ്ടസ് ലൈബ്രറിയോടുകൂടിയ പൈത്തൺ

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

DataFrame.iterrows() എന്നിവ ഉപയോഗിച്ച് എണ്ണുക

പാണ്ടസ് ലൈബ്രറിയോടുകൂടിയ പൈത്തൺ

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

പാണ്ടകളിലെ വരികൾ ആവർത്തിക്കുന്നതിനെക്കുറിച്ചുള്ള പൊതുവായ ചോദ്യങ്ങൾ

1. DataFrame വരികളിലൂടെ ആവർത്തിക്കാനുള്ള ഏറ്റവും കാര്യക്ഷമമായ മാർഗം ഏതാണ്?
2. ദി itertuples() ഓരോ വരിയിലും സീരീസ് ഒബ്‌ജക്‌റ്റുകൾ സൃഷ്‌ടിക്കുന്നതിൻ്റെ ഓവർഹെഡ് ഒഴിവാക്കുന്നതിനാൽ, വരികളിലൂടെ ആവർത്തിക്കുന്നതിനുള്ള ഏറ്റവും കാര്യക്ഷമതയാണ് രീതി.
3. ആവർത്തിക്കുന്ന സമയത്ത് എനിക്ക് എങ്ങനെ ഡാറ്റാഫ്രെയിം മൂല്യങ്ങൾ പരിഷ്‌ക്കരിക്കാം?
4. നിങ്ങൾക്ക് ഉപയോഗിക്കാം loc അഥവാ iloc DataFrame മൂല്യങ്ങൾ നേരിട്ട് പരിഷ്കരിക്കുന്നതിന് നിങ്ങളുടെ ലൂപ്പിനുള്ളിൽ.
5. എന്താണ് തമ്മിലുള്ള വ്യത്യാസം iterrows() ഒപ്പം itertuples()?
6. iterrows() ഓരോ വരിയും ഒരു പരമ്പരയായി നൽകുന്നു, അതേസമയം itertuples() ഓരോ വരിയും വേഗമേറിയതും കൂടുതൽ മെമ്മറി-കാര്യക്ഷമവുമായ ഒരു നാമത്തിലുള്ള ട്യൂപ്പിൾ ആയി നൽകുന്നു.
7. DataFrame വരികൾക്കൊപ്പം എനിക്ക് ലിസ്റ്റ് കോംപ്രിഹെൻഷനുകൾ ഉപയോഗിക്കാമോ?
8. അതെ, കൂടുതൽ ഒതുക്കമുള്ളതും കാര്യക്ഷമവുമായ ഡാറ്റാ പരിവർത്തനങ്ങൾക്ക് ലിസ്റ്റ് കോംപ്രിഹെൻഷനുകൾ ഉപയോഗിക്കാം.
9. ആവർത്തനത്തിന് മുമ്പ് വരികൾ എങ്ങനെ ഫിൽട്ടർ ചെയ്യാം?
10. ഉപയോഗിക്കുക query() വ്യവസ്ഥകളെ അടിസ്ഥാനമാക്കി വരികൾ ഫിൽട്ടർ ചെയ്യുന്നതിനുള്ള രീതി അല്ലെങ്കിൽ ബൂളിയൻ സൂചിക.
11. നിർദ്ദിഷ്ട നിരകളിൽ മാത്രം ആവർത്തിക്കാൻ കഴിയുമോ?
12. അതെ, നിർദ്ദിഷ്‌ട കോളങ്ങൾ ഉപയോഗിച്ച് അവ ആക്‌സസ് ചെയ്യുന്നതിലൂടെ നിങ്ങൾക്ക് അവ ആവർത്തിക്കാനാകും df[column_name] നിങ്ങളുടെ ലൂപ്പിനുള്ളിൽ.
13. ഓരോ വരിയിലും ഞാൻ എങ്ങനെ ഒരു ഫംഗ്ഷൻ പ്രയോഗിക്കും?
14. ഉപയോഗിക്കുക apply() അച്ചുതണ്ട് പാരാമീറ്റർ 1 ആയി സജ്ജീകരിച്ചിരിക്കുന്ന രീതി.
15. ഉപയോഗിക്കുന്നതിൻ്റെ പ്രകടന പ്രത്യാഘാതങ്ങൾ എന്തൊക്കെയാണ് iterrows()?
16. iterrows() താരതമ്യപ്പെടുത്തുമ്പോൾ വേഗത കുറവാണ് itertuples() കൂടാതെ പ്രകടനത്തെക്കാൾ സീരീസ് ഒബ്‌ജക്റ്റുകളുടെ വായനാക്ഷമത ആവശ്യമുള്ളപ്പോൾ ഉപയോഗിക്കേണ്ടതാണ്.

ഡാറ്റാഫ്രെയിം റോ ആവർത്തനത്തെക്കുറിച്ചുള്ള അന്തിമ ചിന്തകൾ

ഒരു Pandas DataFrame-ൽ വരികളിലൂടെ ആവർത്തിക്കുന്നതിനുള്ള വ്യത്യസ്ത രീതികളിൽ പ്രാവീണ്യം നേടുന്നത് ഡാറ്റാ കൃത്രിമത്വ ജോലികളിൽ കൂടുതൽ വഴക്കവും കാര്യക്ഷമതയും നൽകുന്നു. നിങ്ങൾ തിരഞ്ഞെടുത്താലും iterrows() വായനാക്ഷമതയ്ക്കായി, itertuples() പ്രകടനത്തിന്, അല്ലെങ്കിൽ apply() ഇഷ്‌ടാനുസൃത പ്രവർത്തനങ്ങൾക്കായുള്ള രീതി, ഈ സാങ്കേതിക വിദ്യകൾ മനസ്സിലാക്കുന്നത് വലിയ ഡാറ്റാസെറ്റുകൾ ഫലപ്രദമായി കൈകാര്യം ചെയ്യാനുള്ള നിങ്ങളുടെ കഴിവ് വർദ്ധിപ്പിക്കും. നിങ്ങളുടെ നിർദ്ദിഷ്ട ആവശ്യകതകൾക്കും വർക്ക്ഫ്ലോകൾക്കും ഏറ്റവും അനുയോജ്യമായത് ഏതെന്ന് നിർണ്ണയിക്കാൻ ഈ രീതികൾ പരീക്ഷിക്കുക.