如何在 Pandas 中遍历 DataFrame 的行

  1. 使用 index 属性来遍历 Pandas DataFrame 中的行
  2. loc[] 方法来遍历 Python 中的 DataFrame 行
  3. iloc[] 方法在 Python 中遍历 DataFrame 行
  4. pandas.DataFrame.iterrows() 遍历 Pandas 行
  5. pandas.DataFrame.itertuples 遍历 Pandas 行
  6. ##pandas.DataFrame.apply 遍历 Pandas 行

我们可以使用 DataFrame 的 index 属性遍历 Pandas DataFrame 的行。我们还可以使用 DataFrame 对象的 loc()iloc()iterrows()itertuples()iteritems()apply() 方法遍历 Pandas DataFrame 的行。

在以下各节中,我们将使用以下 DataFrame 作为示例。

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)

输出:

       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 属性来遍历 Pandas DataFrame 中的行

Pandas DataFrame 的 index 属性提供了从 DataFrame 的顶行到底行的范围对象。我们可以使用范围来迭代 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]))

输出:

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

它将每行的 Income_1Income_2 相加并打印总收入。

loc[] 方法来遍历 Python 中的 DataFrame 行

loc[] 方法用于一次访问一行。当我们在遍历 DataFrame 的循环中使用 loc[] 方法时,我们可以遍历 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"]))

输出:

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

在这里,range(len(df)) 生成一个范围对象以遍历 DataFrame 中的整个行。

iloc[] 方法在 Python 中遍历 DataFrame 行

Pandas DataFrame 的 iloc 属性也非常类似于 loc 属性。loc 和 iloc 之间的唯一区别是,在 loc 中,我们必须指定要访问的行或列的名称,而在 iloc 中,我们要指定要访问的行或列的索引。

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]))

输出:

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

这里的索引 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() 遍历 Pandas 行

pandas.DataFrame.iterrows() 返回的索引该行以及该行的整个数据为系列。因此,我们可以使用此函数在 Pandas DataFrame 中的行上进行迭代。

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"]))

输出:

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 遍历 Pandas 行

pandas.DataFrame.itertuples 返回一个对象,以使用第一个字段作为索引,其余字段作为列值。因此,我们还可以使用此函数在 Pandas DataFrame 中的行上进行迭代。

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))

输出:

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 遍历 Pandas 行

pandas.DataFrame.apply 返回一个 DataFrame 沿 DataFrame 的给定轴应用给定函数的结果。

语法:

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

其中,func 代表要应用的函数,而 axis 代表应用函数的轴。我们可以使用 axis = 1axis ='columns' 将函数应用于每一行。

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))

输出:

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

此处,lambda 关键字用于定义应用于每行的内联函数。

相关文章 - Pandas DataFrame

  • 如何将 Pandas DataFrame 列标题获取为列表
  • 如何从 Pandas DataFrame 单元格获取值
  • 相关文章 - Pandas Iterate Rows

  • 如何从 Pandas DataFrame 单元格获取值
  • comments powered by Disqus