Rumah >pembangunan bahagian belakang >Tutorial Python >Bagaimanakah Saya Boleh Mengulang Baris dengan Cekap dalam Bingkai Data Pandas?

Bagaimanakah Saya Boleh Mengulang Baris dengan Cekap dalam Bingkai Data Pandas?

Susan Sarandon
Susan Sarandonasal
2024-12-27 16:12:10822semak imbas

How Do I Efficiently Iterate Over Rows in a Pandas DataFrame?

Merelakan Lebih Baris dalam Pandas DataFrames

Apabila bekerja dengan data dalam Pandas, satu tugas biasa ialah mengulangi baris DataFrame. Ini membolehkan anda mengakses elemen setiap baris secara individu.

Cara Mengulang Menggunakan iterrows()

Kaedah pilihan untuk mengulangi baris adalah menggunakan DataFrame.iterrows( ) kaedah. Kaedah ini menghasilkan tuple untuk setiap baris, yang mengandungi kedua-dua indeks dan baris sebagai Siri.

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

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

Ini akan menghasilkan:

10 100
11 110
12 120

Cara Objek baris Berfungsi

Objek baris ialah Siri Panda yang mewakili data baris. Anda boleh mengakses elemennya mengikut nama lajurnya atau mengikut indeksnya.

Alternatif kepada iterrows()

Terdapat kaedah alternatif yang boleh anda gunakan untuk mengulangi baris, tetapi mereka secara amnya kurang cekap.

  • DataFrame.itertuples() menghasilkan namedtuple dan bukannya Siri.
  • DataFrame.T.iteritems() berulang pada lajur dan bukannya baris.

Pertimbangan Prestasi

Lelaran lebih baris dalam DataFrame boleh menjadi mahal dari segi pengiraan. Jika prestasi membimbangkan, pertimbangkan untuk menggunakan penyelesaian vektor atau menulis gelung dalaman dengan Cython atau NumPy.

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Mengulang Baris dengan Cekap dalam Bingkai Data Pandas?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn