04如何遍歷pandas當中dataframe的元素

In [1]:

import pandas as pd

In [2]:

inp = [{'c1':10, 'c2':100}, {'c1':11,'c2':110}, {'c1':12,'c2':120}]
df = pd.DataFrame(inp)
df

Out[2]:

 

	c1	c2
0	10	100
1	11	110
2	12	120

 

與此相關的有如下:

iterrows() : 將DataFrame迭代成（index ,series）

iteritems()： 將DataFrame迭代成（列名，series）

itertuples()： 將DataFrame迭代成元組

方法一：df.iterrows()

In [11]:

for index, row in df.iterrows():
    print(index, row["c1"], row["c2"])

 

0 10 100
1 11 110
2 12 120

In [14]:

for name, col in df.iteritems():
    print(name)
    print(col)

 

c1
0    10
1    11
2    12
Name: c1, dtype: int64
c2
0    100
1    110
2    120
Name: c2, dtype: int64

In [18]:

for i in df.itertuples():
    print(i)
    print(getattr(i, 'c1'), getattr(i, 'c2'))

 

Pandas(Index=0, c1=10, c2=100)
10 100
Pandas(Index=1, c1=11, c2=110)
11 110
Pandas(Index=2, c1=12, c2=120)
12 120

In [19]:

for i in df.itertuples(index=True, name='Pandas'):
    print(i)
    print(getattr(i, 'c1'), getattr(i, 'c2'))

 

Pandas(Index=0, c1=10, c2=100)
10 100
Pandas(Index=1, c1=11, c2=110)
11 110
Pandas(Index=2, c1=12, c2=120)
12 120

In [20]:

for i in df.itertuples(index=False, name='nihao'):
    print(i)
    print(getattr(i, 'c1'), getattr(i, 'c2'))

 

nihao(c1=10, c2=100)
10 100
nihao(c1=11, c2=110)
11 110
nihao(c1=12, c2=120)
12 120

 

第二種方案: applymap() 函數可以對DataFrame里的每個值進行處理,然后返回一個新的DataFrame

In [22]:

df = pd.DataFrame({
    'a': [1, 2, 3],
    'b': [10, 20, 30],
    'c': [5, 10, 15]
})
df

Out[22]:

 

	a	b	c
0	1	10	5
1	2	20	10
2	3	30	15

In [23]:

def add_one(x):
    return x + 1
df.applymap(add_one)

Out[23]:

 

	a	b	c
0	2	11	6
1	3	21	11
2	4	31	16

 

一個栗子:

這里有一組數據是10個學生的兩次考試成績,要求把成績轉換成ABCD等級:</br>

轉換規則是:</br>

90-100 -> A</br> 80-89 -> B</br> 70-79 -> C</br> 60-69 -> D</br> 0-59 -> F</br>

In [24]:

grades_df = pd.DataFrame(
    data={'exam1': [43, 81, 78, 75, 89, 70, 91, 65, 98, 87],
          'exam2': [24, 63, 56, 56, 67, 51, 79, 46, 72, 60]},
    index=['Andre', 'Barry', 'Chris', 'Dan', 'Emilio',
           'Fred', 'Greta', 'Humbert', 'Ivan', 'James']
)
grades_df

Out[24]:

 

	exam1	exam2
Andre	43	24
Barry	81	63
Chris	78	56
Dan	75	56
Emilio	89	67
Fred	70	51
Greta	91	79
Humbert	65	46
Ivan	98	72
James	87	60

In [25]:

def convert_to_letter(score):
    if (score >= 90):
        return 'A'
    elif (score >= 80):
        return 'B'
    elif (score >= 70):
        return 'C'
    elif (score >= 60):
        return 'D'
    else:
        return 'F'
grades_df.applymap(convert_to_letter)

Out[25]:

 

	exam1	exam2
Andre	F	F
Barry	B	D
Chris	C	F
Dan	C	F
Emilio	B	D
Fred	C	F
Greta	A	C
Humbert	D	F
Ivan	A	C
James	B	D

 

第三種方案：iloc

In [26]:

df = pd.DataFrame({
    'a': [1, 2, 3],
    'b': [10, 20, 30],
    'c': [5, 10, 15]
})
df

Out[26]:

 

	a	b	c
0	1	10	5
1	2	20	10
2	3	30	15

In [28]:

for i in range(0, len(df)):
    print(df.iloc[i]['a'], df.iloc[i]['b'],df.iloc[i]['c'])

 

1 10 5
2 20 10
3 30 15