遍历 Pandas DataFrame 的列
DataFrames 可以非常大,可以包含数百行和列。有必要对 DataFrame 中的列进行遍历,并对列进行单独的操作,如回归和许多其他操作。
我们可以使用 for
循环来遍历 DataFrame 的列。for
循环的基本语法如下。
for value in sequence:
#Body of Loop
我们可以使用多种方法在 DataFrame 上运行 for
循环,例如,getitem
语法([]
)、dataframe.iteritems()
函数、enumerate()
函数和使用 DataFrame 的索引。
使用 getitem
([]
)语法在列上遍历 Pandas
我们可以使用列标签,使用 getitem
语法([]
)在 DataFrame 上运行 for
循环。例如,我们可以使用列标签在 DataFrame 上运行 for
循环。
import pandas as pd
df = pd.DataFrame([[10,6,7,8],
[1,9,12,14],
[5,8,10,6]],
columns = ['a','b','c','d'])
print(df)
print("------------------")
for column in df:
print(df[column].values)
输出:
a b c d
0 10 6 7 8
1 1 9 12 14
2 5 8 10 6
------------------
[10 1 5]
[6 9 8]
[ 7 12 10]
[ 8 14 6]
values()
函数用于将对象的元素提取为列表。
使用 dataframe.iteritems()
遍历 Pandas Dataframe 的列
Pandas 提供了 dataframe.iteritems()
函数,该函数有助于对 DataFrame 进行遍历,并将列名及其内容作为系列返回。
import pandas as pd
df = pd.DataFrame([[10,6,7,8],
[1,9,12,14],
[5,8,10,6]],
columns = ['a','b','c','d'])
for (colname,colval) in df.iteritems():
print(colname, colval.values)
输出:
a [10 1 5]
b [6 9 8]
c [ 7 12 10]
d [ 8 14 6]
使用 enumerate()
遍历 Pandas Dataframe 的列
enumerate()
与 DataFrame 一起返回索引和列标签,这使我们能够对其进行遍历。
import pandas as pd
df = pd.DataFrame([[10,6,7,8],
[1,9,12,14],
[5,8,10,6]],
columns = ['a','b','c','d'])
for (index, colname) in enumerate(df):
print(index, df[colname].values)
输出:
0 [10 1 5]
1 [6 9 8]
2 [ 7 12 10]
3 [ 8 14 6]
我们可以非常有效地使用上述任何一种方法来遍历 DataFrame。我们还可以单独在列上运行回归等操作。例如,我们可以将最后一列设置为自变量,并将其他列作为因变量运行 OLS 回归,如下例所示。
import pandas as pd
import statsmodels.api as sm
import numpy as np
df = pd.DataFrame([[10,6,7,8],
[1,9,12,14],
[5,8,10,6]],
columns = ['a','b','c','d'])
for column in df:
Y = df['d']
X = df[column]
X = sm.add_constant(X)
model = sm.OLS(X,Y)
results = model.fit()
print(results.params)
输出:
0 1
d 0.094595 0.418919
0 1
d 0.094595 0.75
0 1
d 0.094595 0.959459
0 1
d 0.094595 1.0
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布,任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站。本站所有源码与软件均为原作者提供,仅供学习和研究使用。如您对本站的相关版权有任何异议,或者认为侵犯了您的合法权益,请及时通知我们处理。