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