Pandas对象之间的底本迭代的行为取决于类型,当迭代一个Series时,它被视为数组,基本迭代产生值。DataFrame和Panel迭代对象的键。 基本迭代(对于i对象)产生:
迭代DataFrame提供列名:
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()
})
for col in df:
print(col)
以下为输出,可以看到,迭代的是DataFrame中的键:
A
x
y
C
D
遍历DataFrame中的行,可以用以下函数:
将每个列作为键,将值与值作为键和列值迭代为Series对象。
df = pd.DataFrame(np.random.randn(4,3),columns=['col1','col2','col3'])
for key,value in df.iteritems():
print(key,value)
以下为显示结果,可以看到单独迭代每个列作为Series中的键值对。
col1 0 1.354356
1 -0.175100
2 0.537546
3 -0.978887
Name: col1, dtype: float64
col2 0 0.778495
1 0.679189
2 0.335301
3 0.477972
Name: col2, dtype: float64
col3 0 -1.194191
1 -1.853452
2 0.724990
3 0.337952
Name: col3, dtype: float64
返回一个迭代器,产生每个索引值以及包含每行数列的Series:
for row_index,row in df.iterrows():
print (row_index,row)
以下为显示结果,注意遍历的行,0,1,2是行索引, col1, col2,col3是列索引:
0 col1 1.354356
col2 0.778495
col3 -1.194191
Name: 0, dtype: float64
1 col1 -0.175100
col2 0.679189
col3 -1.853452
Name: 1, dtype: float64
2 col1 0.537546
col2 0.335301
col3 0.724990
Name: 2, dtype: float64
3 col1 -0.978887
col2 0.477972
col3 0.337952
Name: 3, dtype: float64
itertuples()方法将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。
for row in df.itertuples():
print (row)
以下为显示结果:
Pandas(Index=0, col1=1.3543556235238388, col2=0.7784953789921948, col3=-1.1941906933179085)
Pandas(Index=1, col1=-0.17509995737644835, col2=0.6791890052855932, col3=-1.8534521433267033)
Pandas(Index=2, col1=0.5375458997770433, col2=0.33530079885792796, col3=0.7249895409208398)
Pandas(Index=3, col1=-0.9788868583861823, col2=0.47797217991709673, col3=0.3379524503396801)
不要在迭代时修改对象,不会作用于原始对象的。