panda迭代

1、注意 - 不要尝试在迭代时修改任何对象。迭代是用于读取，迭代器返回原始对象(视图)的副本，因此更改将不会反映在原始对象上。

2、itertuples()方法将为DataFrame中的每一行返回一个产生一个命名元组的迭代器。元组的第一个元素将是行的相应索引值，而剩余的值是行值。

3、iterrows()返回迭代器，产生每个索引值以及包含每行数据的序列

4、

要遍历数据帧(DataFrame)中的行，可以使用以下函数 -

• iteritems() - 迭代(key，value)对
• iterrows() - 将行迭代为(索引，系列)对
• itertuples() - 以namedtuples的形式迭代行

iteritems()示例

将每个列作为键，将值与值作为键和列值迭代为Series对象。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2018/5/24 15:03
# @Author  : zhang chao
# @File    : s.py

#可以使用apply()方法沿DataFrame或Panel的轴应用任意函数，它与描述性统计方法一样，采用可选的轴参数。
#  默认情况下，操作按列执行，将每列列为数组。
import pandas as pd
import numpy as np

N=20

df = pd.DataFrame({
    'A': pd.date_range(start='2016-01-01',periods=N,freq='D'),
    'x': np.linspace(0,stop=N-1,num=N),
    'y': np.random.rand(N),
    'C': np.random.choice(['Low','Medium','High'],N).tolist(),
    'D': np.random.normal(100, 10, size=(N)).tolist()
    })
print('-'*100)
print("for col in df:")
for col in df:
   print (col)
##########################################################################
df = pd.DataFrame(np.random.randn(4,3),columns=['col1','col2','col3'])
print('-'*100)
print("for key,value in df.iteritems():")#观察一下，单独迭代每个列作为系列中的键值对
for key,value in df.iteritems():
   print (key,value)
print('-'*100)
print("for row_index,row in df.iterrows():")
print("由于iterrows()遍历行，因此不会跨该行保留数据类型。0,1,2是行索引，col1，col2，col3是列索引:")
for row_index,row in df.iterrows():
   print (row_index,row)
#注意 - 由于iterrows()遍历行，因此不会跨该行保留数据类型。0,1,2是行索引，col1，col2，col3是列索引。
print('-'*100)
print("for row in df.itertuples():")
for row in df.itertuples():
    print (row)

D:\Download\python3\python3.exe D:/Download/pycharmworkspace/s.py
----------------------------------------------------------------------------------------------------
for col in df:
A
C
D
x
y
----------------------------------------------------------------------------------------------------
for key,value in df.iteritems():
col1 0    0.477335
1    1.181332
2    1.561019
3    1.847981
Name: col1, dtype: float64
col2 0   -0.785008
1   -1.157689
2   -1.122126
3   -0.986387
Name: col2, dtype: float64
col3 0   -0.863011
1    0.907147
2   -1.100768
3    0.128576
Name: col3, dtype: float64
----------------------------------------------------------------------------------------------------
for row_index,row in df.iterrows():
由于iterrows()遍历行，因此不会跨该行保留数据类型。0,1,2是行索引，col1，col2，col3是列索引:
0 col1    0.477335
col2   -0.785008
col3   -0.863011
Name: 0, dtype: float64
1 col1    1.181332
col2   -1.157689
col3    0.907147
Name: 1, dtype: float64
2 col1    1.561019
col2   -1.122126
col3   -1.100768
Name: 2, dtype: float64
3 col1    1.847981
col2   -0.986387
col3    0.128576
Name: 3, dtype: float64
----------------------------------------------------------------------------------------------------
for row in df.itertuples():
Pandas(Index=0, col1=0.4773350765799035, col2=-0.7850081060024958, col3=-0.8630110792391069)
Pandas(Index=1, col1=1.1813320974672603, col2=-1.1576889340133183, col3=0.9071469334830587)
Pandas(Index=2, col1=1.561018528282379, col2=-1.1221261428911304, col3=-1.1007676640353743)
Pandas(Index=3, col1=1.8479811833066473, col2=-0.9863873037251529, col3=0.12857649143591193)

Process finished with exit code 0