pandas中的DataFrame数据遍历解读

pandas DataFrame数据遍历

读取csv内容，格式与数据类型如下

data = pd.read_csv('save\LH8888.csv')
print(type(data))
print(data)

输出结果如下：

按行遍历数据：iterrows

获取行名：名字、年龄、身高、体重

for i, line in data.iterrows():
print(i)
   print(line)
   print(line['date'])  

输出结果如下：

• i：是数据的索引，表示第几行数据

• line：是每一行的具体数据

• line[‘date’]：通过字典的方式，能够读取数据

按行遍历数据：itertuples

for line in data.itertuples():
   print(line)

输出结果如下：

访问date方式如下：

for line in data.itertuples():
   print(line)
   print(getattr(line, 'date'))
   print(line[1])

输出结果如下：

按列遍历数据：iteritems

for i, index in data.iteritems():
   print(index)

输出结果如下，使用方式同iterrows。

读取和修改某一个数据

例如：我们想要读取 行索引为：1，列索引为：volume的值 27，代码如下：

• iloc：需要输入索引值，索引从0开始

• loc：需要输入对应的行名和列名

print(data.iloc[1, 5])
print(data.loc[1, 'volume'])

例如：我们想要将 行索引为：1，列索引为：volume的值 27 修改为10，代码如下：

data.iloc[1, 5] = 10
print(data.loc[1, 'volume'])
print(data)

输出结果如下：

遍历dataframe中每一个数据

for i in range(data.shape[0]):
   for j in range(data.shape[1]):
       print(data.iloc[i, j])

输出结果如下，按行依次打印：

dataframe遍历效率对比

构建数据

import pandas as pd
import numpy as np

# 生成樣例數據
def gen_sample():
    aaa = np.random.uniform(1,1000,3000)
    bbb = np.random.uniform(1,1000,3000)
    ccc = np.random.uniform(1,1000,3000)
    ddd = np.random.uniform(1,1000,3000)
    return pd.DataFrame({'aaa':aaa,'bbb':bbb, 'ccc': ccc, 'ddd': ddd})

9种遍历方法

# for + iloc 定位
def method0_sum(DF):
   for i in range(len(DF)):
       a = DF.iloc[i,0] + DF.iloc[i,1]

# for + iat 定位
def method1_sum(DF):
   for i in range(len(DF)):
       a = DF.iat[i,0] + DF.iat[i,1]

# pandas.DataFrame.iterrows() 迭代器
def method2_sum(DF):
   for index, rows in DF.iterrows():
       a = rows['aaa'] + rows['bbb']

# pandas.DataFrame.apply 迭代
def method3_sum(DF):
   a = DF.apply(lambda x: x.aaa + x.bbb, axis=1)

# pandas.DataFrame.apply 迭代
def method4_sum(DF):
   a = DF[['aaa','bbb']].apply(lambda x: x.aaa + x.bbb, axis=1)

# 列表
def method5_sum(DF):
   a = [ a+b for a,b in zip(DF['aaa'],DF['bbb']) ]

# pandas  
def method6_sum(DF):
   a = DF['aaa'] + DF['bbb']

# numpy
def method7_sum(DF):
   a = DF['aaa'].values + DF['bbb'].values

# for + itertuples
def method8_sum(DF):
   for row in DF.itertuples():
       a = getattr(row, 'aaa') + getattr(row, 'bbb')

效率对比

df = gen_sample()
print('for + iloc 定位:')
％timeit method0_sum(df)

df = gen_sample()
print('for + iat 定位:')
％timeit method1_sum(df)

df = gen_sample()
print('apply 迭代:')
％timeit method3_sum(df)

df = gen_sample()
print('apply 迭代 + 兩列:')
％timeit method4_sum(df)

df = gen_sample()
print('列表:')
％timeit method5_sum(df)

df = gen_sample()
print('pandas 数组操作:')
％timeit method6_sum(df)

df = gen_sample()
print('numpy 数组操作：')
％timeit method7_sum(df)

df = gen_sample()
print('for itertuples')
％timeit method8_sum(df)

df = gen_sample()
print('for iteritems')
％timeit method9_sum(df)

df = gen_sample()
print('for iterrows:')
％timeit method2_sum(df)

结果：

for + iloc 定位:
225 ms ± 9.14 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
for + iat 定位:
201 ms ± 6.37 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
apply 迭代:
88.3 ms ± 2.3 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
apply 迭代 + 兩列:
91.2 ms ± 5.29 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
列表:
1.12 ms ± 54.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
pandas 数组操作:
262 µs ± 9.21 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
numpy 数组操作：
14.4 µs ± 383 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
for itertuples
6.4 ms ± 265 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
for iterrows:
330 ms ± 22.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

说下结论

numpy数组 > iteritems > pandas数组 > 列表 > itertuples > apply > iat > iloc > iterrows

itertuples > iterrows ；快50倍

来源：https://blog.csdn.net/xu624735206/article/details/120015950