如何在python中迭代具有固定列的pandas数据框的每一行，并根据条件执行操作？
如何在python中迭代具有固定列的pandas数据框的每一行，并根据条件执行操作？
提问于 2018-02-28 17:56:59
我有一个数据帧，我正在计算时间差，由于一些问题，我的一些时间差小于0(零)，现在我想迭代这些数据，并检查条件，如果时间差小于0，那么我想添加一个特定值。
Here就是图像，这是我正在获取的数据，我想要操作列'TIME‘。
尽管我已经尝试过了
for row in df_all.rows:
if df_all.iloc[row]['Time'].values >=43200:
df_all.iloc[row]['Time']=df_all.iloc[row]['Time'].values-43200
elif df_all.iloc[row]['Time'].values <0:
df_all.iloc[row]['Time']=df_all.iloc[row]['Time'].values+43200
else:
pass 回答 1
Stack Overflow用户
发布于 2018-02-28 18:17:50
您不需要显式循环(df.iterrows)或隐式循环(df.apply)。
相反，您可以使用矢量化的pandas功能：
df.loc[df['Time'] >= 43200, 'Time'] -= 43200
df.loc[df['Time'] < 0, 'Time'] += 43200这将比任何循环都要快得多，而且可能更容易维护。
下面是一些基准测试与基于循环的解决方案的比较。
性能基准测试
import numpy as np, pandas as pd
df_all = pd.DataFrame({'Time':np.random.uniform(-500,50000, size=(10000,))})
def jp(df):
df.loc[df['Time'] >= 43200, 'Time'] -= 43200
df.loc[df['Time'] < 0, 'Time'] += 43200
return df
def dl(df):
def _time(x):
_out = x
if _out >= 43200:
_out -= 43200
if _out <0:
_out += 43200
return _out
df['Time'] = list(map(_time,df['Time'].values))
return df
%timeit jp(df_all) # 3.5ms
%timeit dl(df_all) # 8.5ms页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/49026638
复制相关文章
相似问题
腾讯云开发者
