Pandas Iteration

The behavior of basic iteration (for

In short, basic iteration (for i in object) produces −

Series − value DataFrame − column label Panel − item label

DataFrame iteration

Iterating over a DataFrame gives column names. Let's see the following example.

　import　pandas　as　pd
　import　numpy　as　np
　　
　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

The output is as follows

　　　A
　C
　D
　x
　y

To iterate over the rows of a DataFrame, we can use the following functions-

iteritems() − Iterate over (key, value) pairs iterrows() − Iterate over rows in the form of (index, series) pairs itertuples() − Iterate over rows in the form of namedtuples

iteritems()

Iterate over each column as a key, and take the labeled value pairs as keys, and the column values as Series objects.

　　import　pandas　as　pd
　　import　numpy　as　np
　　
　　
　　
　df = pd.
　　DataFrame(np.
　　random.randn(4,3), columns=[
　　'col1',
　　'col2',
　　'col3'])
　　
　
　　for key, value
　　　in df.
　　iteritems():
　　
　　　　print key, value

Laufende Ergebnisse:

col1　0        0.802390
1　　　　0.324060
2　　　　0.256811
3　　　　0.839186
Name:  col1,　dtype:　float64
col2　0　　　　1.624313
1　　　-1.033582
2　　　　1.796663
3　　　　1.856277
Name:  col2,　dtype:　float64
col3　0　　　-0.022142
1　　　-0.230820
2　　　　1.160691
3　　　-0.830279
Name:  col3,　dtype:　float64

It can be seen that each column is iterated as a key-value pair in the series.

iterrows()

iterrows() returns an iterator that produces each index value and a sequence containing each row of data.

　import　pandas　as　pd
　import　numpy　as　np
　df　=　pd.DataFrame(np.random.randn(4,3),columns　=　['col1','col2','col3'])
　for row_index, row in df.iterrows():
　　　　print row_index, row

Laufende Ergebnisse:

0  col1　　　　1.529759
　　　col2　　　　0.762811
　　　col3　　　-0.634691
Name: 0, dtype: float64
1　　col1　　　-0.944087
　　　col2　　　　1.420919
　　　col3　　　-0.507895
Name:　1,　dtype:　float64
　
2　　col1　　　-0.077287
　　　col2　　　-0.858556
　　　col3　　　-0.663385
Name:　2,　dtype:　float64
3　　col1　　　　-1.638578
　　　col2　　　　　0.059866
　　　col3　　　　　0.493482
Name:　3,　dtype:　float64

Da iterrows() Zeilen durchsucht, werden die Datentypen in der Zeile nicht beibehalten. 0,1,2ist der Zeilenindex，col1，col2，col3ist die Spaltenindex.

itertuples()

itertuples() Methode gibt einen Iterator zurück, der für jede Zeile des DataFrames einen benannten Tupel generiert. Der erste Element des Tupels ist der entsprechende Indexwert der Zeile, und die übrigen Werte sind die Wert der Zeile.

　import　pandas　as　pd
　import　numpy　as　np
　df　=　pd.DataFrame(np.random.randn(4,3),columns　=　['col1','col2','col3'])
　for　row　in　df.itertuples():
　　　　　print　row

Laufende Ergebnisse:

Pandas(Index=0,　col1=1.5297586201375899,　col2=0.76281127433814944,　col3=-
0.6346908238310438)
Pandas(Index=1,　col1=-0.94408735763808649,　col2=1.4209186418359423,　col3=-
0.50789517967096232)
Pandas(Index=2,　col1=-0.07728664756791935,　col2=-0.85855574139699076,　col3=-
0.6633852507207626)
Pandas(Index=3,　col1=0.65734942534106289,　col2=-0.95057710432604969,
col3=0.80344487462316527)

　import　pandas　as　pd
　import　numpy　as　np
　df　=　pd.DataFrame(np.random.randn(4,3),columns　=　['col1','col2','col3'])
　for　index,　row　in　df.iterrows():
　　　　row['a']　=　10
　print　df

Laufende Ergebnisse:

　　　　col1　　　　　　　col2　　　　　　　col3
0　　-1.739815　　　0.735595　　-0.295589
1　　　0.635485　　　0.106803　　　1.527922
2　　-0.939064　　　0.547095　　　0.038585
3　　-1.016509　　-0.116580　　-0.523158

Beobachtung, es wurde keine Veränderung widergespiegelt.