對(duì)于一個(gè)可迭代對(duì)象，我們可以循環(huán)使用for item in items:但是，如果我并排有兩個(gè)可迭代對(duì)象，例如，考慮一個(gè)帶有 2 列的 Pandas 數(shù)據(jù)框。我可以使用上述方法循環(huán)遍歷一列，但是有沒(méi)有更優(yōu)雅的方法同時(shí)循環(huán)遍歷兩列？import pandas as pddf = pd.DataFrame({'col 1': [1,2,3,4,5], 'col 2': [6,7,8,9,10]})i = 0for j in df['col 1']: print(j) print(df['col 2'][i]) i += 1謝謝！
3 回答
侃侃爾雅
TA貢獻(xiàn)1801條經(jīng)驗(yàn) 獲得超16個(gè)贊
你的問(wèn)題已經(jīng)得到了一些很好的答案。但是，我還想為您提供一種完全不同的方法，它可能會(huì)更加優(yōu)雅（取決于您的最終目標(biāo)是什么）。
作為一般經(jīng)驗(yàn)法則，您希望避免遍歷數(shù)據(jù)幀的行。這往往很慢，通常有更好的方法。嘗試將您的想法轉(zhuǎn)變?yōu)閷⒑瘮?shù)應(yīng)用于整個(gè)“向量”（數(shù)據(jù)框列的花哨詞）。
看一下這個(gè)：
import pandas as pd
import numpy as np
df = pd.DataFrame({'col 1': [1,2,3,4,5], 'col 2': [6,7,8,9,10]})
def sum_2_cols(col1,col2):
return col1 + col2
df['new_col'] = np.vectorize(sum_2_cols)(df['col 1'], df['col 2'])
該np.vectorize方法非常強(qiáng)大、靈活且快速。它允許您將自己的函數(shù)應(yīng)用于數(shù)據(jù)幀，并且它的性能往往非常好。嘗試一下，您可能會(huì)受到啟發(fā)，以不同的方式解決您的問(wèn)題。
手掌心
TA貢獻(xiàn)1942條經(jīng)驗(yàn) 獲得超3個(gè)贊
您可以遍歷更優(yōu)雅的整行：
for index, row in df.iterrows(): print(row['col 1'], row['col 2'])
繁花不似錦
TA貢獻(xiàn)1851條經(jīng)驗(yàn) 獲得超4個(gè)贊
在zip內(nèi)置函數(shù)創(chuàng)建iterables，無(wú)論你作為參數(shù)傳遞聚集，所以這應(yīng)該是一種替代方案：
import pandas as pd
df = pd.DataFrame({'col 1': [1,2,3,4,5], 'col 2': [6,7,8,9,10]})
for i,j in zip(df['col 1'], df['col 2']):
print(i)
print(j)
輸出：
1
6
2
7
3
8
4
9
5
10
添加回答
舉報(bào)
0/150
提交
取消