Pandas在行上进行迭代的方法

方石剑
624 阅读7分钟

Pandas DataFrame被非常普遍地用于存储表格数据。很多时候，我们需要迭代数据框架的行来执行各种操作。这是一种导航DatraFrame的方式。

在这篇文章中，你将了解到一些最流行的方法，这些方法将帮助你根据需求访问DataFrame的行。你还会了解到在各种情况下使用这些方法的一些实用技巧。

创建一个基本的数据框架

让我们从创建一个简单的数据框架开始

# Create a DataFrame
import pandas as pd


# Create the data of the DataFrame as a dictionary
data_df = {'Name': ['LaMDA', 'GPT-3', 'BERT', 'CodeBERT', 'ELMo', 'XLNet', 'ALBERT', 'RoBERTa'],

           'Developed by': ['Google', 'OpenAI', 'Google', 'Microsoft',
                            'Allen Institute for AI', 'Google', 'Google', 'Facebook'],

           'Year Released': [2021, 2020, 2018, 2020, 2018, 2019, 2019, 2019]}

# Create the DataFrame
df = pd.DataFrame(data_df)
df

Basic Dataframe to iterate over rows in pandas

使用索引标签来迭代行

使用for循环，我们可以迭代DataFrame的行。下面的例子打印了DataFrame中每一行的'Name'列值。

# Use index labels to iterate over the rows values
for i in range(len(df)):
    print(df['Name'][i])

LaMDA
GPT-3
BERT
CodeBERT
ELMo
XLNet
ALBERT
RoBERTa

使用loc()方法来迭代行数

.loc() 方法是用来通过使用索引标签来访问DataFrame的行和列。

你可以通过使用.loc() 方法指定DataFrame的行和列的标签来迭代DataFrame的行。

# Pass the index labels the rows or columns of the DataFrame to the loc() function to iterate over them
for i in range(len(df)):
    print(df.loc[i, 'Name'], df.loc[i, 'Developed by'])

LaMDA Google
GPT-3 OpenAI
BERT Google
CodeBERT Microsoft
ELMo Allen Institute for AI
XLNet Google
ALBERT Google
RoBERTa Facebook

使用iloc()方法来迭代行数

.iloc.() 方法用于通过使用DataFrame中的整数值位置来访问DataFrame的行和列。

因此，通过指定行和列索引的整数值，你可以迭代pandas DataFrame的行。

# Pass the integer-value locations of the rows or columns of the DataFrame to the iloc() function to iterate over them

for i in range(len(df)):
    print(df.iloc[i, 0], df.iloc[i, 1])

LaMDA Google
GPT-3 OpenAI
BERT Google
CodeBERT Microsoft
ELMo Allen Institute for AI
XLNet Google
ALBERT Google
RoBERTa Facebook

使用iterrows()方法来迭代行数

iterrows() 方法被用来遍历pandas DataFrame的行。它返回一个元组，其中包含行的索引标签和作为pandas系列的行的内容。

# Iterate over the row values using the iterrows() method

for ind, row in df.iterrows():
    print(row)
    print('\n') # Use the escape character '\n' to print an empty new line.

Name              LaMDA
Developed by     Google
Year Released      2021
Name: 0, dtype: object


Name              GPT-3
Developed by     OpenAI
Year Released      2020
Name: 1, dtype: object


Name               BERT
Developed by     Google
Year Released      2018
Name: 2, dtype: object


Name              CodeBERT
Developed by     Microsoft
Year Released         2020
Name: 3, dtype: object


Name                               ELMo
Developed by     Allen Institute for AI
Year Released                      2018
Name: 4, dtype: object


Name              XLNet
Developed by     Google
Year Released      2019
Name: 5, dtype: object


Name             ALBERT
Developed by     Google
Year Released      2019
Name: 6, dtype: object


Name              RoBERTa
Developed by     Facebook
Year Released        2019
Name: 7, dtype: object

现在，我们已经涵盖了最简单的方法。

使用 itertuples() 方法

itertuples() 方法将一个pandas DataFrame的行作为命名的tuples进行迭代。当你使用这个方法时，会返回一个元组，该元组的第一个元素是行索引标签，第二个元素是以pandas系列形式存在的行值。

  • 语法： pandas.DataFrame.itertuples(index=True, name='Pandas')
  • 目的： 在一个数据框架的行上进行迭代
  • 参数：
    • index： 布尔值（默认：True）。用于指定是否应返回该行的索引标签。如果值为'True'，那么索引标签将作为元组的第一个索引被返回。
    • name: 字符串或无（默认：'Pandas'）。 我们用它来指定给元组的名称。
  • **返回：**一个迭代器
# Iterate over the row values using the itertuples() method
for row in df.itertuples():
    print(row)

Pandas(Index=0, Name='LaMDA', _2='Google', _3=2021)
Pandas(Index=1, Name='GPT-3', _2='OpenAI', _3=2020)
Pandas(Index=2, Name='BERT', _2='Google', _3=2018)
Pandas(Index=3, Name='CodeBERT', _2='Microsoft', _3=2020)
Pandas(Index=4, Name='ELMo', _2='Allen Institute for AI', _3=2018)
Pandas(Index=5, Name='XLNet', _2='Google', _3=2019)
Pandas(Index=6, Name='ALBERT', _2='Google', _3=2019)
Pandas(Index=7, Name='RoBERTa', _2='Facebook', _3=2019)

使用iteritems()方法

iteritems() 方法是用来迭代一个DataFrame的列。当你使用这个方法时，它会返回一个元组，其中第一个元素是列的标签，第二个元素是以pandas系列形式存在的列值。

# Iterate over the column values using the iteritems() method

for col in df.iteritems():
    print('element at index 0:', col[0])
    print('element at index 1:', col[1])

element at index 0: Name
element at index 1: 0       LaMDA
1       GPT-3
2        BERT
3    CodeBERT
4        ELMo
5       XLNet
6      ALBERT
7     RoBERTa
Name: Name, dtype: object
element at index 0: Developed by
element at index 1: 0                    Google
1                    OpenAI
2                    Google
3                 Microsoft
4    Allen Institute for AI
5                    Google
6                    Google
7                  Facebook
Name: Developed by, dtype: object
element at index 0: Year Released
element at index 1: 0    2021
1    2020
2    2018
3    2020
4    2018
5    2019
6    2019
7    2019
Name: Year Released, dtype: int64

使用items()方法

items() 方法与iteritems() 方法类似。这个方法也会返回一个元组，列名是第一个元素，列值是第二个元素。

# Iterate over the column values using the items() method

for col in df.items():
    print('element at index 0:', col[0])
    print('element at index 1:', col[1])

element at index 0: Name
element at index 1: 0       LaMDA
1       GPT-3
2        BERT
3    CodeBERT
4        ELMo
5       XLNet
6      ALBERT
7     RoBERTa
Name: Name, dtype: object
element at index 0: Developed by
element at index 1: 0                    Google
1                    OpenAI
2                    Google
3                 Microsoft
4    Allen Institute for AI
5                    Google
6                    Google
7                  Facebook
Name: Developed by, dtype: object
element at index 0: Year Released
element at index 1: 0    2021
1    2020
2    2018
3    2020
4    2018
5    2019
6    2019
7    2019
Name: Year Released, dtype: int64

使用apply()函数

你可以使用apply() 函数对一个DataFrame的所有值进行某种操作。

  • 语法： pandas.DataFrame.apply(func, axis=0, raw=False, result_type=None, args=（）, kwds)
  • 目的： 沿DataFrame的某一轴应用一个函数。
  • 参数：
    • func： 表示将在DataFrame上应用的函数或操作。
    • axis: 0 或 1（默认为 0）。这个参数指定了DataFrame的方向，函数将沿着这个方向应用。
    • raw: 布尔值（默认为假）。它用于指定行或列是以pandas系列还是numpy数组的形式传递。设置值为True可以将行或列作为一个numpy数组传递。如果要将行或列作为pandas系列传递，请将该参数的值设为False。
    • result_type: expand or reduce or broadcast or None（默认：None）。 它决定了系列或numpy数组的返回方式。

1.expand参数将列表式的结果变成不同的列。

2.reduce参数返回一个pandas系列。它所执行的功能与expand参数相反。3.3.broadcast参数用于将结果广播给原始DataFrame的形状。4.4.None参数的返回值取决于应用该函数后的返回值。

  • args()： 它用于指定位置参数，与数组或系列一起传递给func中指定的函数。
  • kwds： 用于指定额外的关键字参数，这些参数将被func参数中指定的函数使用。
  • 返回： 一个pandas系列或一个DataFrame。

通过将index labels 方法与此方法相结合，你可以使用apply() 函数来迭代pandas DataFrame的列值。

# Iterate over the column values using the apply() method

print(df.apply(lambda row: row['Name'] + ', ' + row['Developed by'], axis=1))

0                   LaMDA, Google
1                   GPT-3, OpenAI
2                    BERT, Google
3             CodeBERT, Microsoft
4    ELMo, Allen Institute for AI
5                   XLNet, Google
6                  ALBERT, Google
7               RoBERTa, Facebook
dtype: object

实用提示

  1. 记住，loc() 函数接受行或列的标签，iloc() 函数接受整数值的行或列的位置来迭代pandas DataFrame。
  2. iterrows(),iteritems(), 和items() 方法返回一个生成器对象。因此，我们不能直接访问这些。你可以通过使用一个循环来迭代它们的值。
  3. 请记住，iterrows() 和itertuples() 方法迭代的是 DataFrame 的行值，而iteritems() 和items() 方法迭代的是 DataFrame 的列值。

测试你的知识

Q1: iterrows() 方法返回一个列表，其中第一个元素是行标签，第二个元素是以pandas系列形式存在的行值。真的还是假的？

答案： 错。iterrows() 方法返回一个元组，其中第一个元素是行标签，第二个元素是以pandas系列形式存在的行值。

Q2： 哪个函数或方法在迭代DataFrame时需要行或列标签？

答案：loc()方法。

Q3: 写出代码，使用apply()函数遍历DataFramedf中'col_1'和'col_2'的列值。

答案： print(df.apply(lambda row: row['col_1'] + ', ' + row['col_2'],axis=1))

Q4: 编写代码，使用itertuples()方法遍历DataFramedf的行值。

答案：

for row in df.itertuples():
print(row)

Q5： 编写代码，遍历数据框架df第二列的所有行。

答案：

for i in range(len(df)):
print(df.iloc[i,1])

avatar
文章
阅读
粉丝