Jak iterować wiersze w ramce danych w pandach?
Mam DataFrame
od pandy:
import pandas as pd
inp = [{'c1':10, 'c2':100}, {'c1':11,'c2':110}, {'c1':12,'c2':120}]
df = pd.DataFrame(inp)
print df
Wyjście:
c1 c2
0 10 100
1 11 110
2 12 120
Teraz chcę iterować po rzędach tej ramki. Dla każdego wiersza chcę mieć dostęp do jego elementów (wartości w komórkach) po nazwie kolumn. Na przykład:
for row in df.rows:
print row['c1'], row['c2']
Czy można to zrobić w pandach?
Znalazłem to podobne pytanie. Ale to nie daje mi odpowiedzi, której potrzebuję. Na przykład sugeruje się tam użycie:
for date, row in df.T.iteritems():
Lub
for row in df.iterrows():
Ale ja nie zrozum, czym jest obiekt row
i jak mogę z nim pracować.
14 answers
Iterrows jest generatorem, który daje zarówno indeks, jak i wiersz
for index, row in df.iterrows():
print row['c1'], row['c2']
Output:
10 100
11 110
12 120
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-08-13 13:57:37
Do iteracji przez wiersz DataFrame w pandach można użyć:
-
for index, row in df.iterrows(): print row["c1"], row["c2"]
-
for row in df.itertuples(index=True, name='Pandas'): print getattr(row, "c1"), getattr(row, "c2")
itertuples()
ma być szybszy niż iterrows()
Ale należy pamiętać, zgodnie z docs (pandy 0.21.1 w tej chwili):
-
Iterrows:
dtype
może nie pasować od wiersza do wierszaPonieważ iterrows zwraca szereg dla każdego wiersza, to nie preserve dtypy w wierszach (dtypy są zachowywane w kolumnach dla ramek danych).
-
Iterrows: nie modyfikuj wierszy
Powinieneśnigdy nie modyfikować czegoś, nad czym pracujesz. Nie gwarantuje to działania we wszystkich przypadkach. W zależności od typów danych iterator zwraca kopię, a nie Widok, a zapis do niego nie będzie miał żadnego efektu.
Użyj Ramki Danych .apply () zamiast:
new_df = df.apply(lambda x: x * 2)
-
Itertuples:
Nazwy kolumn zostaną zmienione na nazwy pozycyjne, jeśli są nieprawidłowymi identyfikatorami Pythona, powtarzane lub zaczynają się od podkreślenia. Przy dużej liczbie kolumn (>255) zwracane są zwykłe krotki.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-12-17 03:54:27
Chociaż iterrows()
jest dobrym rozwiązaniem, czasami itertuples()
może być znacznie szybsze:
df = pd.DataFrame({'a': randn(1000), 'b': randn(1000),'N': randint(100, 1000, (1000)), 'x': 'x'})
%timeit [row.a * 2 for idx, row in df.iterrows()]
# => 10 loops, best of 3: 50.3 ms per loop
%timeit [row[1] * 2 for row in df.itertuples()]
# => 1000 loops, best of 3: 541 µs per loop
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-06-01 09:00:01
Możesz również użyć df.apply()
do iteracji wierszy i dostępu do wielu kolumn dla funkcji.
def valuation_formula(x, y):
return x * y * 0.5
df['price'] = df.apply(lambda row: valuation_formula(row['x'], row['y']), axis=1)
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2015-06-01 06:24:44
Możesz użyć df.funkcja iloc w następujący sposób:
for i in range(0, len(df)):
print df.iloc[i]['c1'], df.iloc[i]['c2']
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-11-07 09:09:10
Szukałem Jak iterować na wierszach i kolumnach i skończyło się tutaj tak:
for i, row in df.iterrows():
for j, column in row.iteritems():
print(column)
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-01-17 09:41:29
Użyj itertuples () . Jest szybszy niż iterrows():
for row in df.itertuples():
print "c1 :",row.c1,"c2 :",row.c2
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-07-27 16:32:32
Aby zapętlić wszystkie wiersze w dataframe
możesz użyć:
for x in range(len(date_example.index)):
print date_example['Date'].iloc[x]
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-04-04 20:46:53
Możesz napisać swój własny iterator, który implementuje namedtuple
from collections import namedtuple
def myiter(d, cols=None):
if cols is None:
v = d.values.tolist()
cols = d.columns.values.tolist()
else:
j = [d.columns.get_loc(c) for c in cols]
v = d.values[:, j].tolist()
n = namedtuple('MyTuple', cols)
for line in iter(v):
yield n(*line)
Jest to bezpośrednio porównywalne z pd.DataFrame.itertuples
. Staram się wykonywać to samo zadanie z większą wydajnością.
Dla podanego dataframe z moją funkcją:
list(myiter(df))
[MyTuple(c1=10, c2=100), MyTuple(c1=11, c2=110), MyTuple(c1=12, c2=120)]
Lub z pd.DataFrame.itertuples
:
list(df.itertuples(index=False))
[Pandas(c1=10, c2=100), Pandas(c1=11, c2=110), Pandas(c1=12, c2=120)]
Kompleksowy test
Testujemy udostępnianie wszystkich kolumn i ich podzbiory.
def iterfullA(d):
return list(myiter(d))
def iterfullB(d):
return list(d.itertuples(index=False))
def itersubA(d):
return list(myiter(d, ['col3', 'col4', 'col5', 'col6', 'col7']))
def itersubB(d):
return list(d[['col3', 'col4', 'col5', 'col6', 'col7']].itertuples(index=False))
res = pd.DataFrame(
index=[10, 30, 100, 300, 1000, 3000, 10000, 30000],
columns='iterfullA iterfullB itersubA itersubB'.split(),
dtype=float
)
for i in res.index:
d = pd.DataFrame(np.random.randint(10, size=(i, 10))).add_prefix('col')
for j in res.columns:
stmt = '{}(d)'.format(j)
setp = 'from __main__ import d, {}'.format(j)
res.at[i, j] = timeit(stmt, setp, number=100)
res.groupby(res.columns.str[4:-1], axis=1).plot(loglog=True);
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-11-07 04:29:57
IMHO, najprostsza decyzja
for ind in df.index:
print df['c1'][ind], df['c2'][ind]
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-11-02 10:33:40
Aby zapętlić wszystkie wiersze w dataframe
i użyj wartości każdego wiersza wygodnie, namedtuples
można przekonwertować na ndarray
s. na przykład:
df = pd.DataFrame({'col1': [1, 2], 'col2': [0.1, 0.2]}, index=['a', 'b'])
Iteracja nad wierszami:
for row in df.itertuples(index=False, name='Pandas'):
print np.asarray(row)
Wyniki w:
[ 1. 0.1]
[ 2. 0.2]
Należy pamiętać, że jeśli index=True
, indeks jest dodawany jako pierwszy element krotki , co może być niepożądane dla niektórych aplikacji.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-04-24 08:48:05
Dodając do powyższych odpowiedzi, czasami użyteczny wzór to:
# Borrowing @KutalmisB df example
df = pd.DataFrame({'col1': [1, 2], 'col2': [0.1, 0.2]}, index=['a', 'b'])
# The to_dict call results in a list of dicts
# where each row_dict is a dictionary with k:v pairs of columns:value for that row
for row_dict in df.to_dict(orient='records'):
print(row_dict)
Co daje:
{'col1':1.0, 'col2':0.1}
{'col1':2.0, 'col2':0.2}
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-06-27 18:48:28
Po co komplikować sprawy?
Proste.
import pandas as pd
import numpy as np
# Here is an example dataframe
df_existing = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))
for idx,row in df_existing.iterrows():
print row['A'],row['B'],row['C'],row['D']
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-07-10 15:05:42
Możesz również zrobić numpy
indeksowanie dla jeszcze większych przyspieszeń. To nie jest naprawdę iteracja, ale działa znacznie lepiej niż iteracja dla niektórych aplikacji.
subset = row['c1'][0:5]
all = row['c1'][:]
Możesz też wrzucić go do tablicy. Te indeksy / selekcje mają już działać jak tablice Numpy, ale napotkałem problemy i musiałem rzucić
np.asarray(all)
imgs[:] = cv2.resize(imgs[:], (224,224) ) #resize every image in an hdf5 file
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-12-01 18:22:38