看过来
《pandas 教程》 持续更新中,提供建议、纠错、催更等加作者微信: gairuo123(备注:pandas教程)和关注公众号「盖若」ID: gairuo。跟作者学习,请进入 Python学习课程。欢迎关注作者出版的书籍:《深入浅出Pandas》 和 《Python之光》。
itertuples()
方法用于逐行迭代 DataFrame,每次迭代返回一个命名元组(namedtuple),其中包含行的数据。与 iterrows()
不同的是,itertuples()
更快且更高效,特别适合处理大规模数据。
DataFrame.itertuples(index=True, name='Pandas')
index
(可选):布尔值,是否包含行的索引。默认值为 True
。name
(可选):字符串,用于命名返回的命名元组。默认值为 'Pandas'
。如果设为 None
,则返回普通元组。name
参数的值。itertuples()
常用于需要逐行高效处理 DataFrame 的情况,比如数据清洗、特定计算等。由于其性能优于 iterrows()
,在处理大规模数据时更为推荐。
构造一个简单的 DataFrame,并逐行打印每行数据。
import pandas as pd
# 构造示例数据
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
print("DataFrame:")
print(df)
# 使用 itertuples() 逐行迭代
for row in df.itertuples():
print(f"Row: {row}")
输出结果:
DataFrame:
Name Age City
0 Alice 25 New York
1 Bob 30 Los Angeles
2 Charlie 35 Chicago
Row: Pandas(Index=0, Name='Alice', Age=25, City='New York')
Row: Pandas(Index=1, Name='Bob', Age=30, City='Los Angeles')
Row: Pandas(Index=2, Name='Charlie', Age=35, City='Chicago')
在迭代过程中不包含行的索引。
import pandas as pd
# 构造示例数据
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
# 使用 itertuples() 迭代,不包含索引
for row in df.itertuples(index=False):
print(f"Row: {row}")
输出结果:
Row: Pandas(Name='Alice', Age=25, City='New York')
Row: Pandas(Name='Bob', Age=30, City='Los Angeles')
Row: Pandas(Name='Charlie', Age=35, City='Chicago')
在迭代过程中返回普通元组而不是命名元组。
import pandas as pd
# 构造示例数据
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
# 使用 itertuples() 返回普通元组
for row in df.itertuples(name=None):
print(f"Row: {row}")
输出结果:
Row: (0, 'Alice', 25, 'New York')
Row: (1, 'Bob', 30, 'Los Angeles')
Row: (2, 'Charlie', 35, 'Chicago')
在迭代过程中对数据进行处理,比如将所有名字改为大写。
import pandas as pd
# 构造示例数据
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
# 使用 itertuples() 修改数据
for row in df.itertuples():
df.at[row.Index, 'Name'] = row.Name.upper()
print("Modified DataFrame:")
print(df)
输出结果:
Modified DataFrame:
Name Age City
0 ALICE 25 New York
1 BOB 30 Los Angeles
2 CHARLIE 35 Chicago
在迭代过程中计算一个新列,例如根据年龄计算出生年份。
import pandas as pd
# 构造示例数据
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
# 使用 itertuples() 计算新列
current_year = 2024
df['Birth Year'] = None
for row in df.itertuples():
df.at[row.Index, 'Birth Year'] = current_year - row.Age
print("DataFrame with Birth Year:")
print(df)
输出结果:
DataFrame with Birth Year:
Name Age City Birth Year
0 Alice 25 New York 1999
1 Bob 30 Los Angeles 1994
2 Charlie 35 Chicago 1989
itertuples()
的性能优于 iterrows()
,特别是在处理大规模数据时。通过这些示例,逐步展示了 itertuples()
的基本用法和一些实际应用场景,从而更好地理解和掌握这个方法。
更新时间:2024-07-19 21:32:29 标签:pandas python itertuples 迭代