pandasのdataframeの行を巡る方法

21637 ワード

Python

Pandas Data Frameは次のとおりです.

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

上のコード出力:

上のDataFrameの行を巡回する必要があります.行ごとに、対応する要素(セル内の値)にカラム名でアクセスします.つまり、次のような機能が必要です.

for row in df.rows:
   print row['c1'], row['c2']

Pandasはこのようにすることができますか?
similar questionを見つけました.しかし、これは私に必要な答えを与えることはできません.

for date, row in df.T.iteritems():

または

for row in df.iterrows():

しかし、rowオブジェクトが何なのか、私がどのように使用しているのか分かりません.
最適なソリューション
PandasでDataFrameの行を反復するには:

DataFrame.iterrows()

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

DataFrame.itertuples()

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

itertuples()はiterrows()より速いはずです
ただし、ドキュメント(Pandas 0.19.1現在):

iterrows:データのdtypeは行によって一致しない可能性があります.iterrowsは一連の各行を返し、行のdtype(dtypeはDataFrames列にわたって保持されません)*

iterrows:行を変更しないでください.反復しているものを変更するべきではありません.これはすべての状況で正常に動作することを保証することはできません.データ型によっては、反復器はビューではなくコピーを返し、書き込みは機能しません.DataFrameを変更します.apply():

new_df = df.apply(lambda x: x * 2)

itertuples:カラム名は、無効なPython識別子である場合は、次の線の先頭を繰り返すか、位置名に変更されます.大量のカラム(>255)の場合、通常のメタグループが返されます.

第2のシナリオ:apply
dfも使用できます.apply()は、行を巡回し、関数の複数の列にアクセスします.
docs: DataFrame.apply()

def valuation_formula(x, y):
    return x * y * 0.5
df['price'] = df.apply(lambda row: valuation_formula(row['x'], row['y']), axis=1)

第3のシナリオ:iloc
dfを使用できます.iloc関数は、次のようになります.

for i in range(0, len(df)):
    print df.iloc[i]['c1'], df.iloc[i]['c2']

4つ目のシナリオ:やや面倒ですが、より効率的にDataFrameをListに変更
独自の実装namedtupleの反復器を作成できます

from collections import namedtuple
def myiter(d, cols=None):
    if cols is None:
        v = d.values.tolist()
        cols = d.columns.values.tolist()
    else:
        j = [d.columns.get_loc(c) for c in cols]
        v = d.values[:, j].tolist()
    n = namedtuple('MyTuple', cols)
    for line in iter(v):
        yield n(*line)

これはpdに相当する.DataFrame.itertuplesですが、より効率的です.
指定したDataFrameにカスタム関数を使用するには、次の手順に従います.

list(myiter(df))
[MyTuple(c1=10, c2=100), MyTuple(c1=11, c2=110), MyTuple(c1=12, c2=120)]

またはpd.DataFrame.itertuples:

list(df.itertuples(index=False))
[Pandas(c1=10, c2=100), Pandas(c1=11, c2=110), Pandas(c1=12, c2=120)]

包括的なテスト
使用可能なすべてのカラムをテストしました.

def iterfullA(d):
    return list(myiter(d))
def iterfullB(d):
    return list(d.itertuples(index=False))
def itersubA(d):
    return list(myiter(d, ['col3', 'col4', 'col5', 'col6', 'col7']))
def itersubB(d):
    return list(d[['col3', 'col4', 'col5', 'col6', 'col7']].itertuples(index=False))
res = pd.DataFrame(
    index=[10, 30, 100, 300, 1000, 3000, 10000, 30000],
    columns='iterfullA iterfullB itersubA itersubB'.split(),
    dtype=float
)
for i in res.index:
    d = pd.DataFrame(np.random.randint(10, size=(i, 10))).add_prefix('col')
    for j in res.columns:
        stmt = '{}(d)'.format(j)
        setp = 'from __main__ import d, {}'.format(j)
        res.at[i, j] = timeit(stmt, setp, number=100)
res.groupby(res.columns.str[4:-1], axis=1).plot(loglog=True);

pythonにおける時間と日付関数に関する一般的な計算のまとめ(timeとdatatime)

selenium 利用時に ChromeDriver の version 違いで起こるエラー対処法