Pandas-遍历和迭代

Pandas是Python中最受欢迎的数据分析库之一，它提供了许多灵活的功能来操作和处理数据。在这篇博客中，我们将重点介绍Pandas的遍历和迭代功能，这些功能可以帮助我们更方便地对数据进行处理和分析。

遍历Series

Series是Pandas中一维数组的数据结构。我们可以使用.iteritems()方法来遍历Series对象中的每个元素。

import pandas as pd

series = pd.Series([1, 3, 5, np.nan, 6, 8])

for index, value in series.iteritems():
    print(f'Index: {index}, Value: {value}')

上述代码将会输出：

Index: 0, Value: 1.0
Index: 1, Value: 3.0
Index: 2, Value: 5.0
Index: 3, Value: NaN
Index: 4, Value: 6.0
Index: 5, Value: 8.0

遍历DataFrame的行

DataFrame是Pandas中二维表格的数据结构。我们可以使用.iterrows()方法来遍历DataFrame对象中的每一行。

import pandas as pd

data = {'Name': ['Tom', 'Nick', 'John'],
        'Age': [28, 31, 25],
        'Country': ['US', 'UK', 'Canada']}

df = pd.DataFrame(data)

for index, row in df.iterrows():
    print(f'Index: {index}')
    print(row)

上述代码将会输出：

Index: 0
Name       Tom
Age         28
Country     US
Name: 0, dtype: object

Index: 1
Name       Nick
Age          31
Country      UK
Name: 1, dtype: object

Index: 2
Name            John
Age               25
Country       Canada
Name: 2, dtype: object

迭代DataFrame的列

如果我们只对DataFrame的列感兴趣，可以使用.iteritems()方法来迭代每一列。

import pandas as pd

data = {'Name': ['Tom', 'Nick', 'John'],
        'Age': [28, 31, 25],
        'Country': ['US', 'UK', 'Canada']}

df = pd.DataFrame(data)

for col_name, col_data in df.iteritems():
    print(f'Column name: {col_name}')
    print(col_data)

上述代码将会输出：

Column name: Name
0     Tom
1    Nick
2    John
Name: Name, dtype: object

Column name: Age
0    28
1    31
2    25
Name: Age, dtype: int64

Column name: Country
0        US
1        UK
2    Canada
Name: Country, dtype: object

使用apply()方法

除了使用迭代器遍历和迭代DataFrame的行和列之外，Pandas还提供了apply()方法来对DataFrame中的行或列进行自定义操作。

import pandas as pd

data = {'Name': ['Tom', 'Nick', 'John'],
        'Age': [28, 31, 25],
        'Country': ['US', 'UK', 'Canada']}

df = pd.DataFrame(data)

def process_data(row):
    return f'{row["Name"]} is {row["Age"]} years old and lives in {row["Country"]}'

df['Info'] = df.apply(process_data, axis=1)
print(df)

上述代码将会输出：

  Name  Age Country                              Info
0   Tom   28      US        Tom is 28 years old and lives in US
1  Nick   31      UK       Nick is 31 years old and lives in UK
2  John   25  Canada  John is 25 years old and lives in Canada

在上面的例子中，我们定义了一个名为process_data()的函数，将该函数应用于DataFrame的每一行，并将结果赋值给新的列Info。

通过遍历和迭代的方式，我们可以对数据进行更加灵活的处理和分析。同时，Pandas提供的apply()方法也能够进行一些自定义操作，使得数据处理变得更加方便。希望这篇博客能帮助你更好地理解Pandas中的遍历和迭代功能。

本文来自极简博客，作者：梦境之翼，转载请注明原文链接：Pandas-遍历和迭代