Question

我在pandas中有一个df

import pandas as pd
df = pd.DataFrame(['AA', 'BB', 'CC'], columns = ['value'])

我想迭代df中的行。对于每一行，我想要行s value and next row的值像（它不起作用）的东西：

for i, row in df.iterrows():
     print row['value']
     i1, row1 = next(df.iterrows())
     print row1['value']

因此我想要

'AA'
'BB'
'BB'
'CC'
'CC'
*Wrong index error here

此时我有解决这个问题的麻烦方法

for i in range(0, df.shape[0])
   print df.irow(i)['value']
   print df.irow(i+1)['value']

有更有效的方法来解决这个问题吗？

Answer 1

首先，你的“混乱方式”没问题，在数据帧中使用索引没有错，这也不会太慢。 iterrows（）本身并不是非常快。

你的第一个想法的版本将是：

row_iterator = df.iterrows()
_, last = row_iterator.next()  # take first item from row_iterator
for i, row in row_iterator:
    print(row['value'])
    print(last['value'])
    last = row

第二种方法可以做类似的事情，将一个索引保存到数据帧中：

last = df.irow(0)
for i in range(1, df.shape[0]):
    print(last)
    print(df.irow(i))
    last = df.irow(i)

当速度至关重要时，您可以随时尝试并为代码计时。

Answer 2

pairwise()文档中有一个itertools函数示例：

from itertools import tee, izip
def pairwise(iterable):
    "s -> (s0,s1), (s1,s2), (s2, s3), ..."
    a, b = tee(iterable)
    next(b, None)
    return izip(a, b)

import pandas as pd
df = pd.DataFrame(['AA', 'BB', 'CC'], columns = ['value'])

for (i1, row1), (i2, row2) in pairwise(df.iterrows()):
    print i1, i2, row1["value"], row2["value"]

这是输出：

0 1 AA BB
1 2 BB CC

但是，我认为DataFrame中的行很慢，如果你能解释一下你想要解决的问题，也许我可以建议一些更好的方法。

Answer 3

这也可以通过izip使用自身的偏移版本ping数据帧（迭代器）来解决。

当然索引错误不能以这种方式重现。

检查出来

import pandas as pd
from itertools import izip

df = pd.DataFrame(['AA', 'BB', 'CC'], columns = ['value'])   

for id1, id2 in izip(df.iterrows(),df.ix[1:].iterrows()):
    print id1[1]['value']
    print id2[1]['value']

给出了

AA
BB
BB
CC

Answer 4

我将如下使用shift（）函数：

df['value_1'] = df.value.shift(-1)
[print(x) for x in df.T.unstack().dropna(how = 'any').values];

产生

AA
BB
BB
CC
CC

这是上面的代码的工作方式：

步骤1）使用移位功能

df['value_1'] = df.value.shift(-1)
print(df)

产生

value value_1
0    AA      BB
1    BB      CC
2    CC     NaN

第2步）移调：

df = df.T
print(df)

产生：

          0   1    2
value    AA  BB   CC
value_1  BB  CC  NaN

第3步：取消堆叠：

df = df.unstack()
print(df)

产生：

0  value       AA
   value_1     BB
1  value       BB
   value_1     CC
2  value       CC
   value_1    NaN
dtype: object

第4步）删除NaN值

df = df.dropna(how = 'any')
print(df)

产生：

0  value      AA
   value_1    BB
1  value      BB
   value_1    CC
2  value      CC
dtype: object

第5步）返回DataFrame的Numpy表示，并按值打印值：

df = df.values
[print(x) for x in df];

产生：

AA
BB
BB
CC
CC

Answer 5

答案的组合使我的运行时间非常快。使用 shift 方法创建下一行值的新列，然后像@alisdt一样使用 row_iterator 函数，但在这里我将其从 iterrows 更改为 itertuples ，即100 倍快。

我的脚本用于迭代不同长度的重复数据帧并添加每次重复一秒钟，所以它们都是唯一的。

# create new column with shifted values from the departure time column
df['next_column_value'] = df['column_value'].shift(1)
# create row iterator that can 'save' the next row without running for loop
row_iterator = df.itertuples()
# jump to the next row using the row iterator
last = next(row_iterator)
# because pandas does not support items alteration i need to save it as an object
t = last[your_column_num]
# run and update the time duplications with one more second each
for row in row_iterator:
    if row.column_value == row.next_column_value:
         t = t + add_sec
         df_result.at[row.Index, 'column_name'] = t
    else:
         # here i resetting the 'last' and 't' values
         last = row
         t = last[your_column_num]

希望这会有所帮助。

iterrows pandas获得下一行值

5 个答案: