Циклическое перебор фреймов данных — распространенная задача при анализе и манипулировании данными. Однако если у вас есть два кадра данных, которые необходимо обрабатывать одновременно, найти эффективное решение может оказаться непросто. В этой статье мы рассмотрим различные методы одновременного прохождения двух фреймов данных в Python с использованием библиотеки Pandas. Мы предоставим примеры кода для каждого метода, что позволит вам выбрать тот, который лучше всего соответствует вашим конкретным требованиям.

Метод 1: использование функции zip()
Функция zip() — это универсальный инструмент для одновременного выполнения нескольких итераций. Объединив его с методом iterrows(), мы можем параллельно обрабатывать два кадра данных.

import pandas as pd
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})
for (index1, row1), (index2, row2) in zip(df1.iterrows(), df2.iterrows()):
    # Accessing row values
    print(row1['A'], row1['B'], row2['C'], row2['D'])

Метод 2: использование функции merge()
Если между двумя фреймами данных есть общий столбец, мы можем объединить их и перебрать полученный объединенный фрейм данных.

import pandas as pd
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [7, 8, 9], 'C': [10, 11, 12]})
merged_df = pd.merge(df1, df2, on='A')
for index, row in merged_df.iterrows():
    # Accessing row values
    print(row['A'], row['B'], row['C'])

Метод 3: использование функции iloc()
Если два фрейма данных имеют одинаковую форму и порядок строк, мы можем пройти через них, используя индексацию на основе целых чисел.

import pandas as pd
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})
for i in range(len(df1)):
    # Accessing row values
    print(df1.iloc[i]['A'], df1.iloc[i]['B'], df2.iloc[i]['C'], df2.iloc[i]['D'])

Метод 4. Использование функции itertuples()
Функция itertuples() обеспечивает более быструю альтернативу iterrows() для перебора строк кадра данных.

import pandas as pd
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})
for row1, row2 in zip(df1.itertuples(index=False), df2.itertuples(index=False)):
    # Accessing row values
    print(row1.A, row1.B, row2.C, row2.D)

Одновременное прохождение двух фреймов данных можно выполнить с помощью различных методов Python. В этой статье мы рассмотрели четыре различных подхода, включая использование функции zip(), функции merge(), функции iloc() и функции itertuples(). Каждый метод имеет свои преимущества и может оказаться более подходящим в зависимости от конкретных требований вашей задачи. Используя эти методы, вы можете эффективно обрабатывать и манипулировать данными из нескольких фреймов данных одновременно, расширяя возможности анализа данных.