如何在 Pandas 中遍歷 DataFrame 的行

  2. 貼士文章
  3. Python Pandas Howtos
  4. 如何在 Pandas 中遍歷 DataFrame 的行
Suraj Joshi 2023年1月30日
Pandas Pandas DataFrame Pandas DataFrame Row
  1. 使用 index 屬性來遍歷 Pandas DataFrame 中的行
  2. loc[] 方法來遍歷 Python 中的 DataFrame 行
  3. 在 Python 中用 iloc[] 方法遍歷 DataFrame 行
  4. pandas.DataFrame.iterrows() 遍歷 Pandas 行
  5. pandas.DataFrame.itertuples 遍歷 Pandas 行
  6. ##pandas.DataFrame.apply 遍歷 Pandas 行
如何在 Pandas 中遍歷 DataFrame 的行

我們可以使用 DataFrame 的 index 屬性遍歷 Pandas DataFrame 的行。我們還可以使用 DataFrame 物件的 loc()，iloc()，iterrows()，itertuples()，iteritems() 和 apply() 方法遍歷 Pandas DataFrame 的行。

在以下各節中，我們將使用以下 DataFrame 作為示例。

import pandas as pd

dates = ["April-10", "April-11", "April-12", "April-13", "April-14", "April-16"]
income1 = [10, 20, 10, 15, 10, 12]
income2 = [20, 30, 10, 5, 40, 13]

df = pd.DataFrame({"Date": dates, "Income_1": income1, "Income_2": income2})

print(df)

輸出：

       Date  Income_1  Income_2
0  April-10        10        20
1  April-11        20        30
2  April-12        10        10
3  April-13        15         5
4  April-14        10        40
5  April-16        12        13

使用 index 屬性來遍歷 Pandas DataFrame 中的行

Pandas DataFrame 的 index 屬性提供了從 DataFrame 的頂行到底行的範圍物件。我們可以使用範圍來迭代 Pandas 中的行。

import pandas as pd

dates = ["April-10", "April-11", "April-12", "April-13", "April-14", "April-16"]
income1 = [10, 20, 10, 15, 10, 12]
income2 = [20, 30, 10, 5, 40, 13]

df = pd.DataFrame({"Date": dates, "Income_1": income1, "Income_2": income2})

for i in df.index:
    print(
        "Total income in "
        + df["Date"][i]
        + " is:"
        + str(df["Income_1"][i] + df["Income_2"][i])
    )

輸出：

Total income in April-10 is:30
Total income in April-11 is:50
Total income in April-12 is:20
Total income in April-13 is:20
Total income in April-14 is:50
Total income in April-16 is:25

它將每行的 Income_1 和 Income_2 相加並列印總收入。

loc[] 方法來遍歷 Python 中的 DataFrame 行

loc[] 方法用於一次訪問一行。當我們在遍歷 DataFrame 的迴圈中使用 loc[] 方法時，我們可以遍歷 DataFrame 的行。

import pandas as pd

dates = ["April-10", "April-11", "April-12", "April-13", "April-14", "April-16"]
income1 = [10, 20, 10, 15, 10, 12]
income2 = [20, 30, 10, 5, 40, 13]

df = pd.DataFrame({"Date": dates, "Income_1": income1, "Income_2": income2})

for i in range(len(df)):
    print(
        "Total income in "
        + df.loc[i, "Date"]
        + " is:"
        + str(df.loc[i, "Income_1"] + df.loc[i, "Income_2"])
    )

輸出：

Total income in April-10 is:30
Total income in April-11 is:50
Total income in April-12 is:20
Total income in April-13 is:20
Total income in April-14 is:50
Total income in April-16 is:25

在這裡，range(len(df)) 生成一個範圍物件以遍歷 DataFrame 中的整個行。

在 Python 中用 iloc[] 方法遍歷 DataFrame 行

Pandas DataFrame 的 iloc 屬性也非常類似於 loc 屬性。loc 和 iloc 之間的唯一區別是，在 loc 中，我們必須指定要訪問的行或列的名稱，而在 iloc 中，我們要指定要訪問的行或列的索引。

import pandas as pd

dates = ["April-10", "April-11", "April-12", "April-13", "April-14", "April-16"]
income1 = [10, 20, 10, 15, 10, 12]
income2 = [20, 30, 10, 5, 40, 13]

df = pd.DataFrame({"Date": dates, "Income_1": income1, "Income_2": income2})

for i in range(len(df)):
    print(
        "Total income in " + df.iloc[i, 0] + " is:" + str(df.iloc[i, 1] + df.iloc[i, 2])
    )

輸出：

Total income in April-10 is:30
Total income in April-11 is:50
Total income in April-12 is:20
Total income in April-13 is:20
Total income in April-14 is:50
Total income in April-16 is:25

這裡的索引 0 代表 DataFrame 的第一列，即 Date，索引 1 代表 Income_1 列，索引 2 代表 Income_2 列。

pandas.DataFrame.iterrows() 遍歷 Pandas 行

pandas.DataFrame.iterrows() 返回的索引該行以及該行的整個資料為系列。因此，我們可以使用此函式在 Pandas DataFrame 中的行上進行迭代。

import pandas as pd

dates = ["April-10", "April-11", "April-12", "April-13", "April-14", "April-16"]
income1 = [10, 20, 10, 15, 10, 12]
income2 = [20, 30, 10, 5, 40, 13]

df = pd.DataFrame({"Date": dates, "Income_1": income1, "Income_2": income2})


for index, row in df.iterrows():
    print(
        "Total income in "
        + row["Date"]
        + " is:"
        + str(row["Income_1"] + row["Income_2"])
    )

輸出：

Total income in April-10 is:30
Total income in April-11 is:50
Total income in April-12 is:20
Total income in April-13 is:20
Total income in April-14 is:50
Total income in April-16 is:25

pandas.DataFrame.itertuples 遍歷 Pandas 行

pandas.DataFrame.itertuples 返回一個物件，以使用第一個欄位作為索引，其餘欄位作為列值。因此，我們還可以使用此函式在 Pandas DataFrame 中的行上進行迭代。

import pandas as pd

dates = ["April-10", "April-11", "April-12", "April-13", "April-14", "April-16"]
income1 = [10, 20, 10, 15, 10, 12]
income2 = [20, 30, 10, 5, 40, 13]

df = pd.DataFrame({"Date": dates, "Income_1": income1, "Income_2": income2})


for row in df.itertuples():
    print("Total income in " + row.Date + " is:" + str(row.Income_1 + row.Income_2))

輸出：

Total income in April-10 is:30
Total income in April-11 is:50
Total income in April-12 is:20
Total income in April-13 is:20
Total income in April-14 is:50
Total income in April-16 is:25

##pandas.DataFrame.apply 遍歷 Pandas 行

pandas.DataFrame.apply 返回一個 DataFrame
沿 DataFrame 的給定軸應用給定函式的結果。

語法：

DataFrame.apply(self, func, axis=0, raw=False, result_type=None, args=(), **kwds)

其中，func 代表要應用的函式，而 axis 代表應用函式的軸。我們可以使用 axis = 1 或 axis ='columns' 將函式應用於每一行。

import pandas as pd

dates = ["April-10", "April-11", "April-12", "April-13", "April-14", "April-16"]
income1 = [10, 20, 10, 15, 10, 12]
income2 = [20, 30, 10, 5, 40, 13]

df = pd.DataFrame({"Date": dates, "Income_1": income1, "Income_2": income2})


print(
    df.apply(
        lambda row: "Total income in "
        + row["Date"]
        + " is:"
        + str(row["Income_1"] + row["Income_2"]),
        axis=1,
    )
)

輸出：

0    Total income in April-10 is:30
1    Total income in April-11 is:50
2    Total income in April-12 is:20
3    Total income in April-13 is:20
4    Total income in April-14 is:50
5    Total income in April-16 is:25
dtype: object

此處，lambda 關鍵字用於定義應用於每行的行內函數。

作者： Suraj Joshi
Suraj Joshi avatar Suraj Joshi avatar

Suraj Joshi is a backend software engineer at Matrice.ai.

LinkedIn

相關文章 - Pandas DataFrame

相關文章 - Pandas DataFrame Row