Python Pandas - การทำซ้ำ
ลักษณะการทำงานของการทำซ้ำขั้นพื้นฐานบนวัตถุ Pandas ขึ้นอยู่กับประเภท เมื่อทำซ้ำบนซีรี่ส์จะถือว่าเป็นเหมือนอาร์เรย์และการวนซ้ำพื้นฐานจะสร้างค่า โครงสร้างข้อมูลอื่น ๆ เช่น DataFrame และ Panel ให้ทำตามdict-like แบบแผนของการทำซ้ำใน keys ของวัตถุ
ในระยะสั้นการทำซ้ำพื้นฐาน (สำหรับ i ในวัตถุ) ผลิต -
Series - ค่า
DataFrame - ป้ายชื่อคอลัมน์
Panel - ป้ายกำกับรายการ
การทำซ้ำ DataFrame
การวนซ้ำ DataFrame ทำให้ชื่อคอลัมน์ ขอให้เราพิจารณาตัวอย่างต่อไปนี้เพื่อทำความเข้าใจเช่นเดียวกัน
import pandas as pd
import numpy as np
N=20
df = pd.DataFrame({
'A': pd.date_range(start='2016-01-01',periods=N,freq='D'),
'x': np.linspace(0,stop=N-1,num=N),
'y': np.random.rand(N),
'C': np.random.choice(['Low','Medium','High'],N).tolist(),
'D': np.random.normal(100, 10, size=(N)).tolist()
})
for col in df:
print col
มัน output มีดังนี้ -
A
C
D
x
y
ในการวนซ้ำแถวของ DataFrame เราสามารถใช้ฟังก์ชันต่อไปนี้ -
iteritems() - เพื่อวนซ้ำคู่ (คีย์ค่า)
iterrows() - วนซ้ำแถวเป็นคู่ (ดัชนีชุดข้อมูล)
itertuples() - วนซ้ำในแถวเป็นชื่อรายการ
iteritems ()
วนซ้ำในแต่ละคอลัมน์เป็นคีย์คู่ค่ากับเลเบลเป็นค่าคีย์และคอลัมน์เป็นออบเจ็กต์ซีรี่ส์
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(4,3),columns=['col1','col2','col3'])
for key,value in df.iteritems():
print key,value
มัน output มีดังนี้ -
col1 0 0.802390
1 0.324060
2 0.256811
3 0.839186
Name: col1, dtype: float64
col2 0 1.624313
1 -1.033582
2 1.796663
3 1.856277
Name: col2, dtype: float64
col3 0 -0.022142
1 -0.230820
2 1.160691
3 -0.830279
Name: col3, dtype: float64
สังเกตแต่ละคอลัมน์จะวนซ้ำแยกกันเป็นคู่คีย์ - ค่าในซีรีส์
iterrows ()
iterrows () ส่งคืนตัววนซ้ำที่ให้ค่าดัชนีแต่ละค่าพร้อมกับชุดข้อมูลที่มีข้อมูลในแต่ละแถว
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(4,3),columns = ['col1','col2','col3'])
for row_index,row in df.iterrows():
print row_index,row
มัน output มีดังนี้ -
0 col1 1.529759
col2 0.762811
col3 -0.634691
Name: 0, dtype: float64
1 col1 -0.944087
col2 1.420919
col3 -0.507895
Name: 1, dtype: float64
2 col1 -0.077287
col2 -0.858556
col3 -0.663385
Name: 2, dtype: float64
3 col1 -1.638578
col2 0.059866
col3 0.493482
Name: 3, dtype: float64
Note - เพราะ iterrows()วนซ้ำในแถวจะไม่รักษาประเภทข้อมูลไว้ในแถว 0,1,2 คือดัชนีแถวและ col1, col2, col3 เป็นดัชนีคอลัมน์
itertuples ()
itertuples () วิธีการจะส่งคืนตัวทำซ้ำที่ให้ชื่อทูเปิลสำหรับแต่ละแถวใน DataFrame องค์ประกอบแรกของทูเปิลจะเป็นค่าดัชนีที่สอดคล้องกันของแถวในขณะที่ค่าที่เหลือคือค่าของแถว
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(4,3),columns = ['col1','col2','col3'])
for row in df.itertuples():
print row
มัน output มีดังนี้ -
Pandas(Index=0, col1=1.5297586201375899, col2=0.76281127433814944, col3=-
0.6346908238310438)
Pandas(Index=1, col1=-0.94408735763808649, col2=1.4209186418359423, col3=-
0.50789517967096232)
Pandas(Index=2, col1=-0.07728664756791935, col2=-0.85855574139699076, col3=-
0.6633852507207626)
Pandas(Index=3, col1=0.65734942534106289, col2=-0.95057710432604969,
col3=0.80344487462316527)
Note- อย่าพยายามแก้ไขวัตถุใด ๆ ในขณะที่ทำซ้ำ การทำซ้ำมีไว้สำหรับการอ่านและตัววนซ้ำจะส่งคืนสำเนาของวัตถุต้นฉบับ (มุมมอง) ดังนั้นการเปลี่ยนแปลงจะไม่สะท้อนถึงวัตถุดั้งเดิม
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(4,3),columns = ['col1','col2','col3'])
for index, row in df.iterrows():
row['a'] = 10
print df
มัน output มีดังนี้ -
col1 col2 col3
0 -1.739815 0.735595 -0.295589
1 0.635485 0.106803 1.527922
2 -0.939064 0.547095 0.038585
3 -1.016509 -0.116580 -0.523158
สังเกตไม่มีการเปลี่ยนแปลงสะท้อนให้เห็น