如何从指定的行号遍历 Pandas 数据框答案

【问题标题】：How to iterate through Pandas dataframe from specified row number如何从指定的行号遍历 Pandas 数据框
【发布时间】：2023-01-28 00:38:36
【问题描述】：

我正在使用 df.iterrows() 函数遍历数据帧，但不确定如何指定要从中运行数据帧的行号。我在初始 for 循环（如下）中使用行计数器来搜索行中的 X，一旦找到 X，我需要遍历数据帧的其余部分以找到 Y，但不遍历初始行在搜索 X 时已经循环了。

我试图通过删除直到 X 的所有行来实现此目的，但这不起作用，因为它删除了我稍后在找到初始 X 和 Y 后需要的条目，并且我需要找到下一个 X 和 Y。

row_count = 0

for index, row in new_df.iterrows():
        if X in row[2]:
            row_count += 1
            # take information required from row
            
            for visit_index, visit_row in new_df.iterrows():
                if Y in visit_row[2]:
                    # take information required from row
                    
                    # append information to new dataframe
                    
                    break
        else:
            new_df.drop(index, inplace = True)  
            row_count += 1

我想做的是使用 row_count，这样当我找到 X 时，我可以从 X 所在的行开始再次遍历数据帧，我该怎么做？

【问题讨论】：

什么是 X？ row[2] 中存储了什么数据——这是 DataFrame 中的列表吗？
X 是一个字符串，row[2] 只是字符串
那么你是想在一个字符串中找到一个子字符串吗？
是的 X 是句子中的子串，Y 也是

标签： python pandas dataframe

【解决方案1】：

我相信你可以用一种更简单的方式来做到这一点。

使用 pandas 的 .loc 函数你可以这样做：

subset = df.loc[df["YOUR_COLUMN_NAME"].str.contains(X)]

这将返回数据框中包含“YOUR_COLUMN_NAME”列中 X 的行的子集。您尚未指定行 [2] 的名称，但使用该名称代替“YOUR_COLUMN_NAME”

例如，我的代码：

import pandas as pd

df = pd.DataFrame([[1, "Test1.1"], [2, "Test2.1"]], columns=["ID", "STR"])


x = df.loc[df["STR"].str.contains("Test1")]
print(x)

输出这个：

   ID      STR
0   1  Test1.1

从这里您可以从行中获取所需的任何信息。

【讨论】：

【解决方案2】：

要仅遍历某些行，请获取包含这些行的 DataFrame 的一部分，然后对其进行遍历。

另外：请记住，嵌套的内部 for 循环将再次运行，每次都通过外部循环。如果目标是找到一个“起点”并从那里开始迭代的其余部分，那么这应该是两个独立的循环：一个找到起点，一个从那里继续 - 一次。

因此：

for start_index, row in new_df.iterrows():
    if X in row[2]:
        break # `start_index` is the starting point

for index, row in new_df.loc[start_index:, :].iterrows():
    # process the row

【讨论】：