如何迭代Pandas中的DataFrame中的行？
我有pandas的数据框：
import pandas as pd inp = [{'c1':10, 'c2':100}, {'c1':11,'c2':110}, {'c1':12,'c2':120}] df = pd.DataFrame(inp) print df 输出：
c1 c2 0 10 100 1 11 110 2 12 120
现在我想遍历上面的帧的行。 对于每一行，我都希望能够通过列的名称访问其元素（单元格中的值）。 所以，例如，我想有这样的事情：
for row in df.rows: print row['c1'], row['c2']
pandas可以这样做吗？
我发现了类似的问题 。 但这并不能给我我需要的答案。 例如，build议在那里使用：
for date, row in df.T.iteritems():
要么
for row in df.iterrows():
但是我不明白row对象是什么，以及我如何使用它。
iterrows是产生索引和行的发生器
In [18]: for index, row in df.iterrows(): ....: print row['c1'], row['c2'] ....: 10 100 11 110 12 120
虽然iterrows()是一个很好的select，但有时itertuples()会更快：
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
要以pandas的方式迭代DataFrame的行，可以使用：
-
DataFrame.iterrows（）
for index, row in df.iterrows(): print row["c1"], row["c2"] -
DataFrame.itertuples（）
for row in df.itertuples(index=True, name='Pandas'): print getattr(row, "c1"), getattr(row, "c2")
itertuples()应该比iterrows()更快，
但请注意，根据文档（目前大pandas0.19.1）：
- iterrows：数据的dtype可能不匹配行到行
因为iterrows为每一行返回一个Series，所以不会保留行之间的dtypes（为DataFrames跨列保留dty）*
-
问题：不要修改行
你不应该修改你正在迭代的东西。 这不能保证在所有情况下都能正常工作。 根据数据types的不同，迭代器返回一个副本而不是一个视图，写入它将不起作用。
使用DataFrame.apply（）来代替：
new_df = df.apply(lambda x: x * 2) -
itertuples：
如果列名是无效的Python标识符，重复或以下划线开头，那么列名将被重命名为位置名。 对于大量的列（> 255），返回常规元组。
您也可以使用df.apply()遍历行并访问函数的多个列。
docs：DataFrame.apply（）
def valuation_formula(x, y): return x * y * 0.5 df['price'] = df.apply(lambda row: valuation_formula(row['x'], row['y']), axis=1)
您可以使用df.iloc函数，如下所示：
for i in range(0, len(df)): print df.iloc[i]['c1'], df.iloc[i]['c2']
要循环访问dataframe所有行，可以使用：
for x in range(len(date_example.index)): print date_example['Date'].iloc[x]
使用itertuples（） 。 它比iterrows（）更快：
for row in df.itertuples(): print "c1 :",row.c1,"c2 :",row.c2
你可以编写自己的迭代器来实现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)
这是直接比较pd.DataFrame.itertuples 。 我打算以更高的效率执行相同的任务。
对于给定的数据框与我的function：
list(myiter(df)) [MyTuple(c1=10, c2=100), MyTuple(c1=11, c2=110), MyTuple(c1=12, c2=120)]
或者使用pd.DataFrame.itertuples ：
list(df.itertuples(index=False)) [Pandas(c1=10, c2=100), Pandas(c1=11, c2=110), Pandas(c1=12, c2=120)]
一个全面的testing
我们testing所有可用的列和列的子集。
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);
恕我直言，最简单的决定
for ind in df.index: print df['c1'][ind], df['c2'][ind]
