Ітерація рядків у Pandas DataFrame на Python

Використання iterrows() для перебору рядків у Pandas DataFrame

Python з бібліотекою 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

Ітерація за допомогою itertuples() для кращої продуктивності

Python з бібліотекою 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

Доступ до рядків за допомогою методу DataFrame apply().

Python з бібліотекою 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

Використання DataFrame.iterows() і Enumerate

Python з бібліотекою 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

Поширені запитання щодо повторення рядків у Pandas

1. Який найефективніший спосіб перебору рядків DataFrame?
2. The itertuples() метод, як правило, є найефективнішим для повторення рядків, оскільки він уникає накладних витрат на створення об’єктів Series для кожного рядка.
3. Як я можу змінити значення DataFrame під час ітерації?
4. Ви можете використовувати loc або iloc у вашому циклі, щоб безпосередньо змінювати значення DataFrame.
5. Яка різниця між iterrows() і itertuples()?
6. iterrows() повертає кожен рядок як серію, тоді як itertuples() повертає кожен рядок як іменований кортеж, що є швидшим і ефективнішим з використанням пам’яті.
7. Чи можу я використовувати розуміння списків із рядками DataFrame?
8. Так, розуміння списків можна використовувати для більш компактних і ефективних перетворень даних.
9. Як відфільтрувати рядки перед ітерацією?
10. Використовувати query() метод або логічне індексування для фільтрації рядків на основі умов.
11. Чи можливо повторювати лише певні стовпці?
12. Так, ви можете перебирати певні стовпці, відкриваючи їх за допомогою df[column_name] у вашому циклі.
13. Як застосувати функцію до кожного рядка?
14. Використовувати apply() метод із параметром осі, встановленим на 1.
15. Які наслідки для продуктивності використання iterrows()?
16. iterrows() повільніше порівняно з itertuples() і має використовуватися, коли читабельність об’єктів серії потрібна над продуктивністю.

Останні думки щодо ітерації рядка DataFrame

Освоєння різних методів ітерації рядків у Pandas DataFrame забезпечує більшу гнучкість і ефективність у задачах обробки даних. Ви виберете iterrows() для читабельності, itertuples() для виконання, або apply() для спеціальних функцій, розуміння цих методів покращить вашу здатність ефективно обробляти великі набори даних. Експериментуйте з цими методами, щоб визначити, який найкраще відповідає вашим конкретним вимогам і робочим процесам.