iterrows pandas obtenir la valeur des lignes suivantes
j'ai un df dans les pandas
import pandas as pd
df = pd.DataFrame(['AA', 'BB', 'CC'], columns = ['value'])
je veux itérer sur les lignes en df. Pour chaque rang je veux rangs value and next rowvaleur s
Quelque chose comme(il ne fonctionne pas):
for i, row in df.iterrows():
print row['value']
i1, row1 = next(df.iterrows())
print row1['value']
Comme un résultat que je souhaite
'AA'
'BB'
'BB'
'CC'
'CC'
*Wrong index error here
À ce stade, je mess façon de résoudre ce problème
for i in range(0, df.shape[0])
print df.irow(i)['value']
print df.irow(i+1)['value']
Est-il plus efficace pour résoudre ce problème?
3 réponses
tout d'abord, votre "façon désordonnée" est ok, il n'y a rien de mal à utiliser des indices dans la base de données, et ce ne sera pas trop lent. iterrows () lui-même n'est pas très rapide.
une version de votre première idée qui fonctionnerait serait:
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
la seconde méthode pourrait faire quelque chose de similaire, pour sauver un index dans le dataframe:
last = df.irow(0)
for i in range(1, df.shape[0]):
print(last)
print(df.irow(i))
last = df.irow(i)
Quand la vitesse est critique, vous pouvez toujours essayer les deux et le code.
il y a un pairwise() exemple de fonction dans le itertools document:
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"]
Voici la sortie:
0 1 AA BB
1 2 BB CC
Mais, je pense que iter lignes dans un DataFrame est lent, si vous pouvez expliquer quel est le problème que vous voulez résoudre, peut-être que je peux suggérer une meilleure méthode.
ceci peut être résolu aussi par izipping la dataframe (iterator) avec une version offset de lui-même.
bien sûr, l'erreur d'indexation ne peut pas être reproduite de cette façon.
Check this out
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']
ce qui donne
AA
BB
BB
CC