Pandas DataFrame iterrows() Metoden

Pandas er et populært open-source bibliotek i Python, der anvendes til dataanalyse og -manipulation. En af de mest kraftfulde funktioner i Pandas er DataFrame, som giver mulighed for at repræsentere og arbejde med data i tabelformat. En af de funktioner i DataFrame, som er værd at bemærke, eriterrows() metoden, som tillader dig at iterere over hvert enkelt række i en DataFrame og få adgang til både rækkeindekset og rækkens værdier.

Denne artikel vil udforskeiterrows() metodeni Pandas, diskutere dens anvendelser og demonstrere, hvordan man bruger den i praksis. Vi vil også se på nogle eksempler og give nogle tips og tricks til at optimere ydeevnen, når man arbejder med store datasæt.

Hvad er iterrows() metoden?

iterrows() metodener en funktion i Pandas, der giver dig mulighed for at iterere over hver enkelt række i en DataFrame og få adgang til både rækkeindekset og rækkens værdier. Når du brugeriterrows() metoden, returneres rækken som en Pandas Series-objekt, hvor kolonnenavnene er nøglerne, og celleværdierne er værdierne.

Syntaks:

For at brugeiterrows() metoden, skal du følge denne syntaks:

for index, row in dataframe.iterrows():

Her:

• indexer rækkeindekset for den aktuelle række.
• rower rækken som en Pandas Series objekt.

Anvendelser af iterrows() metoden

iterrows() metodenkan være nyttig i mange forskellige anvendelser. Nogle af de mest almindelige anvendelser inkluderer:

• Gennemgå og analysere hver række i en DataFrame.
• Tilføje, ændre eller slette data i en bestemt række.
• Udføre beregninger eller anvende funktioner på hver række separat.
• Generere tilpassede rapporter eller visualiseringer baseret på data i en DataFrame.

Eksempel på brug af iterrows() metoden

Lad os se på et simpelt eksempel for at demonstrere, hvordan man brugeriterrows() metodeni praksis. Lad os antage, at vi har følgende dataframe med information om studerende:

Nu vil vi brugeiterrows() metodentil at udskrive hver studerendes navn og klasse:

for index, row in dataframe.iterrows():

print(row[Navn], row[Klasse])

Output vil være:

Anna 12Bob 11Charlie 12

Tips til optimering af ydeevnen

Arbejder med store datasæt kan være en udfordring, og det er vigtigt at optimere ydeevnen. Her er nogle tips til at maksimere ydeevnen, når du brugeriterrows() metoden:

• Undgå at ændre eller opdatere data i DataFrame under iterationen. Dette kan være meget langsommere og mindre effektivt end at udføre operationerne i vektoriseret form.
• Overvej at bruge alternative metoder somdf.itertuples()ellerdf.items(), da disse metoder ofte udfører hurtigere.
• Hvis det er muligt, brug vektoriserede operationer eller brug funktioner somapply()ellerapplymap()for at udføre beregninger på hele DataFrame på én gang.

Konklusion

iterrows() metodener en yderst nyttig funktion i Pandas til at iterere over rækkerne i en DataFrame. Ved at brugeiterrows() metodenkan du nemt få adgang til rækkeindekset og rækkens værdier, hvilket åbner op for en bred vifte af anvendelser inden for dataanalyse og -manipulation. Det er dog vigtigt at være opmærksom på ydeevnen, når man arbejder med store datasæt og overveje alternative metoder, hvis det er relevant.

Andre populære artikler: HTML DOM Script src Property • React useEffect • CSS flex property – En omfattende guide • Introduktion • R For Loop – En dybdegående guide • Colors – Den currentcolor-nøgleordet • Font Awesome 5 Fitness Icons • Angular Http • MongoDB Drivers – En dybdegående guide til håndtering af MongoDB-databaser • HTML DOM Style flexWrap Property • Bootstrap 5 Grid Eksempler • Bootstrap 5 Containers • PHP Matematiske Funktioner • Python Casting • C Declare Multiple Variables • Pandas DataFrame max() Metode • Excel AND Funktion – En dybdegående guide til brugen af AND i Excel • PHP prev() Funktion • PHP ftell() Funktion • SQL IN-kommandoen: Hvad gør den i SQL-querys?