I panda iterano su righe

Nel corso di questo articolo, scopriremo vari metodi e tecniche che possiamo usare per iterare su righe in un frame di dati Panda.

Esempio di dati dati

Iniziamo impostando un campione di dati di esempio. Dopodiché, sentiti libero di utilizzare il tuo telaio di dati come si vede opportuno.

df = pd.DataFrame (
'db': ['mysql', 'postgresql', 'redis', 'mongodb', 'sql server',
'Port': [3306, 5480, 3309, 9001, 5500],
'Records': [12000, 2344, 4500, 90000, 1000]
)
df

Il codice sopra dovrebbe creare un semplice telaio di dati come mostrato di seguito:

Metodo 1: iterare le righe usando iTerrows ()

I panda ci forniscono il metodo iTerRows () che ci consente di iterare sulle righe di un telaio di dati. La funzione restituisce una coppia di indice e riga come serie.

Possiamo usare questa funzione per iterare sulle righe come mostrato nell'esempio seguente:

Per _, riga in DF.iTerrows ():
print (f "row \ n")

Nel codice di esempio sopra, utilizziamo la funzione iTerrows () per recuperare ogni riga dal frame dati. Il codice sopra dovrebbe restituire:

Si noti che _ nel loop rappresenta l'indice della colonna nel frame dati.

Metodo 2: iterare le righe usando iTtuples ()

Il metodo ITTUPLES () in Panda ci consente di iterare sulle righe di un frame di dati Panda. La funzione restituisce un oggetto per consentirci di iterare sulle tuple denominate per ogni riga nel frame dati.

La funzione consente inoltre di preservare il tipo di dati durante l'iterazione. Pertanto, è considerato più veloce di iTerrows ().

Un'illustrazione di esempio è mostrata nel codice seguente:

Per riga in DF.iTTUPLES ():
Stampa (riga)

Il codice sopra dovrebbe restituire le tuple per ogni riga nel frame dati. Un output di esempio è come mostrato:

Per escludere l'indice dal risultato, possiamo impostare il parametro dell'indice su False. Un esempio è come mostrato:

Per riga in DF.iTeTtuples (indice = false):
Stampa (riga)

Il codice sopra dovrebbe restituire:

Pensieri

I panda generalmente scoraggiano l'iterazione di un frame di dati. Inoltre, non modificare mai i dati durante l'iterazione poiché l'iterazione restituisce una copia dei dati e non una vista.

Se stai cercando di modificare i dati durante l'iterazione, puoi optare per altre opzioni come:

1. Comprensioni dell'elenco
2. Vettorializzazione
3. Routine di cython.