我有一个数据框...
A B C D E F
0 2018-02-01 2 3 4 5 6
1 2018-02-02 6 7 8 4 2
2 2018-02-03 3 4 5 6 7
。我将其转换为数字数组...
[['2018-02-01' 2 3 4 5 6]
['2018-02-02' 6 7 8 4 2]
['2018-02-03' 3 4 5 6 7]]
我想做的是：
- 在 numpy 数组中仅存储列 A、B 和 C，而不是所有列。
- 我想遍历第一列，然后是第二列和第三列。我怎样才能做到这一点？
我的代码如下：
import pandas as pd
df = pd.DataFrame([
['2018-02-01', 1, 3, 6, 102, 8],
['2018-02-01', 2, 3, 4, 5, 6],
['2018-02-02', 6, 7, 8, 4, 2],
['2018-02-03', 3, 4, 5, 6, 7]
], columns=['A', 'B', 'C', 'D', 'E', 'F'])
print(df)
#--> Here only save Columns A,B,C
nparray = df.as_matrix()
print(nparray)
#--> Loop throug Columns and would like to have it looped over the Column A first
for i in nparray:
print(i)
#Using the Values in B and C columns for that loop
calc= [func(B,C)
for B, C in zip(nparray)]
更新：我做了一个数字例子。
A B C D E F
0 2018-02-01 1 3 6 102 8
1 2018-02-01 2 3 4 5 6
2 2018-02-02 6 7 8 4 2
3 2018-02-03 3 4 5 6 7
虚拟代码看起来类似于以下内容(它更像是一个嵌套循环(
loop over date 2018-02-01:
calc = func(Column B + Column C) = 1+3 = 4
next row is the same date so:
calc += func(Column B + Column C) = 4 + 2+ 3 = 9
for date 2018-02-01 the result is 9 and can be stored e.g. in a csv file
loop over date 2018-02-02
calc = func(Column B + Column C) = 6+7 = 13
for date 2018-02-02 the result is 13 and can be stored e.g. in a csv file
loop over date 2018-02-03
calc = func(Column B + Column C) = 3+4 = 7
for date 2018-02-03 the result is 7 and can be stored e.g. in a csv file
等
-
df[['A','B','C']].values -
df[['B', 'C']].apply(func, axis=1)
在这里，func一次将接收一行，因此您可以按以下方式定义它：
def func(x):
x.B *= 2
x.C += 1
return x
您也可以这样做：
calc = [func(B,C) for B, C in df[['B', 'C']].itertuples(index=False)]
或者这个：
calc = [func(x.B, x.C) for x in df.itertuples()]
请注意，这种迭代代码，无论是使用 itertuples 还是 apply 与其他"矢量化"方法相比，速度非常慢。 但是如果你坚持使用循环，你可以，对于小数据，这是可以的。
对于问题的第一部分，只需选择要使用的列：
print df[['A', 'B', 'C']].as_matrix()
>>>
[['2018-02-01' 2L 3L]
['2018-02-02' 6L 7L]
['2018-02-03' 3L 4L]]
问题的第二部分是多余的，与数据帧相比，遍历 numpy 数组之间没有区别，因为各个数据类型将是相同的，在本例中为整数。
因此使用：
for k in df.A:
print k