如何循环遍历 Pandas 数据框答案

【问题标题】：How to loop through a Pandas dataframe如何循环遍历 Pandas 数据框
【发布时间】：2016-04-25 00:45:30
【问题描述】：

我正在尝试遍历 Pandas 数据框。列表 L 包含用于指定 X 或 Y 应从哪一行开始的值，即 (1:, 2:, 3:)。

list = [1,2,3]

for L in list:
    X = data.ix[L:, 'X':]
    Y = data.ix[L:, 'Y']     
    regressor = LinearRegression()
    regressor.fit(X, Y)
    prediction = regressor.predict([[Variable]])

尝试上述操作时的错误是：

TypeError: 'type' object is not iterable

【问题讨论】：

你不是说for l in L:吗？您正在尝试迭代 list 类型，为什么还要在每次迭代时重新创建回归模型？只需在外面定义一次并引用它
另外，您所做的只是增量切片 df，您可以通过 for df in data.iloc[::1]: X = df['X'] Y = df['Y'] e.t.c.
Ed，我在每次迭代中重新创建回归模型，因为 X/Y 的每个子集都是具有不同结果的不同模型。我实际上是在尝试使用模型输入的滚动窗口进行回归。
Ed，您能否详细说明您将如何实施您的解决方案。我不太明白。非常感谢。

标签： python numpy pandas scikit-learn

【解决方案1】：

您还可以将其转换为字典或列表，然后使用您所知道的：

list_from_df = df.to_list()
for item in list_from_df:
   print(item)

或作为字典：

df.to_dict()
for key, value in list_from_df.items():
   print(key) # index
   print(value)

【讨论】：

【解决方案2】：

IIUC 您可以执行以下操作：

l = [1,2,3]
results = []

for idx in l:
    X = data.ix[idx:, 'X':]
    Y = data.ix[idx:, 'Y']     
    regressor = LinearRegression()
    regressor.fit(X, Y)
    results.append(regressor.predict([[Variable]]))

但是，我不知道这里的Variable 是什么，您也可以执行以下操作：

for df in data.iloc[::1]:
    regressor = LinearRegression()
    regressor.fit(df['X'], df['Y'])
    results.append(regressor.predict([[Variable]]))

【讨论】：

嗨 EdChum - 您发布的第一个示例与我提供的解决方案相似。我得到错误：ValueError：形状（1,1）和（4，）未对齐：1（dim 1）！= 4（dim 0）。对于您的第二个示例，我不清楚您是如何遍历 1、2、3 列表的。
在第二个示例中，我没有遍历列表，它只是展示了如何迭代地切片 df，因为您的新错误应该是 X = data.ix[idx:, 'X']？
我遇到了同样的错误：for idx in list:X = data.ix[idx:, 'X':] Y = data.ix[idx:, 'Y']跨度>

【解决方案3】：

你应该试试 iterrrows，[http://pandas-docs.github.io/pandas-docs-travis/basics.html#iterrows]

>>> df = pd.DataFrame([[1, 1.5]], columns=['int', 'float'])
>>> row = next(df.iterrows())[1]
>>> row
int      1.0
float    1.5
Name: 0, dtype: float64

【讨论】：