Pandas：在 Dataframe 子集上使用 iterrows答案

【问题标题】：Pandas: Use iterrows on Dataframe subsetPandas：在 Dataframe 子集上使用 iterrows
【发布时间】：2013-11-09 01:55:20
【问题描述】：

使用 DataFrame 的子集进行迭代的最佳方法是什么？

让我们举个简单的例子：

import pandas as pd

df = pd.DataFrame({
  'Product': list('AAAABBAA'),
  'Quantity': [5,2,5,10,1,5,2,3],
  'Start' : [
      DT.datetime(2013,1,1,9,0),
      DT.datetime(2013,1,1,8,5),
      DT.datetime(2013,2,5,14,0),
      DT.datetime(2013,2,5,16,0),
      DT.datetime(2013,2,8,20,0),                                      
      DT.datetime(2013,2,8,16,50),
      DT.datetime(2013,2,8,7,0),
      DT.datetime(2013,7,4,8,0)]})

df = df.set_index(['Start'])

现在我想使用 itterrows 函数修改这个 DataFrame 的一个子集，例如：

for i, row_i in df[df.Product == 'A'].iterrows():
    row_i['Product'] = 'A1' # actually a more complex calculation

但是，更改不会持续存在。

是否有任何可能（使用索引“i”进行手动查找除外）对原始数据帧进行持久更改？

【问题讨论】：

您是否尝试通过从不同列获取参数来将函数应用于每一行？这已经是answered here。

标签： python loops pandas subset

【解决方案1】：

我想我想到的最好方法是生成一个具有所需结果的新向量，您可以在其中循环所有想要的内容，然后将其重新分配回列

#make a copy of the column
P = df.Product.copy()
#do the operation or loop if you really must
P[ P=="A" ] = "A1"
#reassign to original df
df["Product"] = P

【讨论】：

【解决方案2】：

为什么你需要 iterrows() 呢？我认为在 pandas（或 numpy）中使用矢量化操作总是更可取的：

df.ix[df['Product'] == 'A', "Product"] = 'A1'

【讨论】：

感谢您的评论。这是一个简单的例子，我的实际用例更复杂，我需要在其中使用 iterrows
@Andy：那么你想在你的问题中说清楚