为什么Pandas默认会迭代DataFrame列？

Question

试图了解一些熊猫特征背后的设计理念。

如果我有一个包含3560行和18列的DataFrame，那么

len(frame)

是3560，但是

len([a for a in frame])

是18岁。

对于来自R的人来说，这感觉很自然;对我而言，感觉不是'Pythonic'。 Pandas在某处有基础设计理论的介绍吗？

Answer 1

DataFrame主要是基于列的数据结构。 在引擎盖下，DataFrame内的数据存储在块中。粗略地说，每个dtype都有一个块。 每列都有一个dtype 。因此，可以通过从单个块中选择适当的列来完成对列的访问。相反，选择单行需要从每个块中选择适当的行，然后形成一个新的Series并将每个块的行中的数据复制到Series中。 因此，迭代DataFrame的行（在引擎盖下）并不像迭代列那样自然。

如果您需要遍历行，您仍然可以通过调用df.iterrows()来完成。如果可能的话，你应该避免使用df.iterrows，原因与它不自然的原因相同 - 它需要复制，这使得进程比迭代遍历列更慢。

Answer 2

在docs迭代中有一个不错的解释，Pandas DataFrames的意思是“像dict一样”，所以迭代是在键（列）之上。

可疑的是，对于Series的迭代超过了值，这有点令人困惑，但正如文档所指出的那样，那是因为它们更像是“类似数组”。