遍歷 Pandas DataFrame 的列
-
使用
getitem([])語法在列上遍歷 Pandas -
使用
dataframe.iteritems()遍歷 Pandas Dataframe 的列 -
使用
enumerate()遍歷 Pandas Dataframe 的列
DataFrames 可以非常大，可以包含數百行和列。有必要對 DataFrame 中的列進行遍歷，並對列進行單獨的操作，如迴歸和許多其他操作。
我們可以使用 for 迴圈來遍歷 DataFrame 的列。for 迴圈的基本語法如下。
for value in sequence:
#Body of Loop
我們可以使用多種方法在 DataFrame 上執行 for 迴圈，例如，getitem 語法([])、dataframe.iteritems() 函式、enumerate() 函式和使用 DataFrame 的索引。
使用 getitem ([])語法在列上遍歷 Pandas
我們可以使用列標籤，使用 getitem 語法([])在 DataFrame 上執行 for 迴圈。例如，我們可以使用列標籤在 DataFrame 上執行 for 迴圈。
import pandas as pd
df = pd.DataFrame([[10,6,7,8],
[1,9,12,14],
[5,8,10,6]],
columns = ['a','b','c','d'])
print(df)
print("------------------")
for column in df:
print(df[column].values)
輸出：
a b c d
0 10 6 7 8
1 1 9 12 14
2 5 8 10 6
------------------
[10 1 5]
[6 9 8]
[ 7 12 10]
[ 8 14 6]
values() 函式用於將物件的元素提取為列表。
使用 dataframe.iteritems() 遍歷 Pandas Dataframe 的列
Pandas 提供了 dataframe.iteritems() 函式，該函式有助於對 DataFrame 進行遍歷，並將列名及其內容作為系列返回。
import pandas as pd
df = pd.DataFrame([[10,6,7,8],
[1,9,12,14],
[5,8,10,6]],
columns = ['a','b','c','d'])
for (colname,colval) in df.iteritems():
print(colname, colval.values)
輸出：
a [10 1 5]
b [6 9 8]
c [ 7 12 10]
d [ 8 14 6]
使用 enumerate() 遍歷 Pandas Dataframe 的列
enumerate() 與 DataFrame 一起返回索引和列標籤，這使我們能夠對其進行遍歷。
import pandas as pd
df = pd.DataFrame([[10,6,7,8],
[1,9,12,14],
[5,8,10,6]],
columns = ['a','b','c','d'])
for (index, colname) in enumerate(df):
print(index, df[colname].values)
輸出：
0 [10 1 5]
1 [6 9 8]
2 [ 7 12 10]
3 [ 8 14 6]
我們可以非常有效地使用上述任何一種方法來遍歷 DataFrame。我們還可以單獨在列上執行迴歸等操作。例如，我們可以將最後一列設定為自變數，並將其他列作為因變數執行 OLS 迴歸，如下例所示。
import pandas as pd
import statsmodels.api as sm
import numpy as np
df = pd.DataFrame([[10,6,7,8],
[1,9,12,14],
[5,8,10,6]],
columns = ['a','b','c','d'])
for column in df:
Y = df['d']
X = df[column]
X = sm.add_constant(X)
model = sm.OLS(X,Y)
results = model.fit()
print(results.params)
輸出：
0 1
d 0.094595 0.418919
0 1
d 0.094595 0.75
0 1
d 0.094595 0.959459
0 1
d 0.094595 1.0
Manav is a IT Professional who has a lot of experience as a core developer in many live projects. He is an avid learner who enjoys learning new things and sharing his findings whenever possible.
LinkedIn