python中的iter()函数与next()函数,python __iter__函数
本文主要介绍Python函数的iteraws()、items()和iteratuples()的区别，有很好的参考价值。希望对你有帮助。如有错误或不足之处，请不吝赐教。
00-1010 ITERROWS()、ITERROWS()、ITER元组()区分数据帧遍历模式iteritems iterrows itertuples迭代数据帧ITERROWS () ITERROWS () ITER元组()
目录
Python函数的Iterrows、iteritems、itertuples遍历数据帧。
Iterrows():将DataFrame迭代成(insex，Series)对。Itemitems () :将数据帧迭代到(列名，系列)中，而itertuples():将数据帧迭代到祖先中。
iterrows(),iteritems(),itertuples()区别
熊猫对象的基本迭代行为取决于类型。当遍历一个序列时，它被当作一个数组，基本迭代产生这些值。其他数据结构，如DataFrame和Panel，遵循类似dictionary的约定，即迭代对象的键。
简而言之，基本迭代产生
系列值数据框架-列标签面板-项目标签
DataFrame数据遍历方式 iteritems iterrows itertuples
迭代数据帧给出列名。让我们考虑下面的例子来理解同样的情况。
进口熊猫作为pd
将numpy作为np导入
N=20
df=pd。数据帧({
a : PD . date _ range(start= 2021-01-01 ，periods=N，freq=D )，
x: np.linspace(0，stop=N-1，num=N)，
y: np.random.rand(N)，
C: np.random.choice([低，中，高]，N)。tolist()，
D: np.random.normal(100，10，size=(N))。tolist()
})
对于df:中的列
打印(列)
它的输出如下
A
C
D
x
y
为了迭代DataFrame的行，我们可以使用下面的函数
ITER items()-遍历(键，值)到ITER rows()-遍历行(索引，序列)到ITER tuples()-遍历行为namedtuples
迭代DataFrame
将每个列作为键值进行迭代，将标签作为键进行迭代，将列值作为Series对象进行迭代。
进口熊猫作为pd
将numpy作为np导入
df=pd。DataFrame(np.random.randn(4，3)，columns=[col1 ， col2 ， col3])
对于键，值在df.iteritems():中
打印(关键字，值)
其输出如下：3360
第一栏0 0.265778
1 -0.814620
2 -2.384911
3 n
bsp;0.525155
Name: col1, dtype: float64
col2 0 2.580894
1 -0.408090
2 0.641011
3 0.591557
Name: col2, dtype: float64
col3 0 -0.830860
1 0.413565
2 -2.251128
3 -0.392120
Name: col3, dtype: float64
请注意，每个列在Series中作为键值对单独迭代。
iterrows（）
iterrows（）返回产生每个索引值的迭代器以及包含每行数据的序列。
import pandas as pdimport 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)
其 输出 如下
0 col1 -0.536180
col2 -0.422245
col3 -0.049302
Name: 0, dtype: float64
1 col1 -0.577882
col2 0.546570
col3 1.210293
Name: 1, dtype: float64
2 col1 0.593660
col2 0.621967
col3 0.456040
Name: 2, dtype: float64
3 col1 0.874323
col2 0.303070
col3 -0.107727
Name: 3, dtype: float64
注 - 由于 iterrows（） 遍历行，因此它不会保留行中的数据类型。0,1,2是行索引，col1，col2，col3是列索引。
itertuples（）
itertuples（）方法将返回一个迭代器，为DataFrame中的每一行生成一个命名的元组。元组的第一个元素将是行的相应索引值，而其余值是行值。
import pandas as pdimport numpy as np
df = pd.DataFrame(np.random.randn(4,3),columns = [col1,col2,col3])
for row in df.itertuples():
print(row)
其 输出 如下
Pandas(Index=0, col1=-0.4029137277161786, col2=1.3034737750584355, col3=0.8197109653411052)
Pandas(Index=1, col1=-0.43013422882386704, col2=-0.2536252662252256, col3=0.9102527012477817)
Pandas(Index=2, col1=0.25877683462048057, col2=-0.7725072659033637, col3=-0.013946376730006241)
Pandas(Index=3, col1=0.3611368595844501, col2=-0.2777909818571997, col3=0.9396027945103758)
注 : 不要在迭代时尝试修改任何对象。 迭代是为了读取而迭代器返回原始对象（视图）的副本，因此这些更改不会反映到原始对象上。
import pandas as pdimport 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)
其 输出 如下
col1 col2 col3
0 0.579118 0.444899 -0.693009
1 0.479294 0.080658 -0.126600
2 0.095121 -1.870492 0.596165
3 1.885483 -0.122502 -1.531169
以上为个人经验，希望能给大家一个参考，也希望大家多多支持盛行IT软件开发工作室。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。