Перебор строк в DataFrame Pandas — распространенная задача при анализе и манипулировании данными. В этой статье мы рассмотрим несколько эффективных методов перебора строк в Pandas, сопровождаемых примерами кода. К концу вы получите четкое представление о различных подходах к обработке итераций строк в Pandas, что позволит вам выбрать наиболее подходящий метод для вашего конкретного случая использования.

Метод 1: использование iterrows()
Функция iterrows() возвращает итератор, который возвращает как индекс, так и данные строки в виде серии Pandas. Вот пример:

import pandas as pd
# Create a sample DataFrame
data = {'Name': ['John', 'Emily', 'Michael'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
# Iterate over rows using iterrows()
for index, row in df.iterrows():
    print(index, row['Name'], row['Age'], row['City'])

Метод 2: использование itertuples()
Метод itertuples() обеспечивает более эффективный способ перебора строк по сравнению с iterrows(). Он возвращает итератор именованных кортежей, где каждый именованный кортеж представляет строку. Вот пример:

import pandas as pd
# Create a sample DataFrame
data = {'Name': ['John', 'Emily', 'Michael'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
# Iterate over rows using itertuples()
for row in df.itertuples():
    print(row.Index, row.Name, row.Age, row.City)

Метод 3: использование apply()
Метод apply() позволяет применять функцию к каждой строке или столбцу DataFrame. Вы можете определить пользовательскую функцию, которая работает со строкой, а затем использовать apply() для перебора строк. Вот пример:

import pandas as pd
# Create a sample DataFrame
data = {'Name': ['John', 'Emily', 'Michael'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
# Custom function to process each row
def process_row(row):
    return f"{row['Name']} is {row['Age']} years old and lives in {row['City']}"
# Apply the function to each row using apply()
result = df.apply(process_row, axis=1)
print(result)

Метод 4. Использование метода to_dict()
Метод to_dict() преобразует каждую строку DataFrame в словарь. Вы можете перебирать словари для доступа к данным строк. Вот пример:

import pandas as pd
# Create a sample DataFrame
data = {'Name': ['John', 'Emily', 'Michael'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
# Convert each row to a dictionary and iterate over them
for row in df.to_dict(orient='records'):
    print(row['Name'], row['Age'], row['City'])

В этой статье мы рассмотрели несколько эффективных методов перебора строк в Pandas. Мы обсудили использование методов iterrows(), itertuples(), apply() и to_dict(), каждый из которых снабжен соответствующими примерами кода. В зависимости от вашего конкретного варианта использования вы можете выбрать наиболее подходящий метод для эффективного перебора строк в DataFrame. Надеемся, что это руководство предоставило вам знания и инструменты для эффективной обработки итераций строк в Pandas.

Не забывайте всегда учитывать размер и сложность вашего DataFrame при выборе метода итерации, поскольку некоторые подходы могут быть более эффективными, чем другие. Приятного кодирования!