df

1.迭代Series

Series本身是一个可迭代的对象，可直接对Series使用for语句来遍历它的值

import pandas as pd

df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ],
                   columns = ['name','team','Q1','Q2','Q3','Q4'])
# 迭代指定的列
for i in df.name:
    print(i)

# 效果和上面相同
# df.name.values返回array结构数据可用于迭代
for i in df.name.values:
    print(i)

# 输出结果:
# liver
# Arry
# Ack
# Eorge
# Oah

迭代索引和指定的多列，使用python内置的zip函数将其打包为可迭代的zip对象

import pandas as pd

df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ],
                   columns = ['name','team','Q1','Q2','Q3','Q4'])

# 迭代索引和指定的两列
for i, n, q in zip(df.index, df.name, df.Q1):
    print(i, n, q)

# 输出结果:
# 0 liver 89
# 1 Arry 36
# 2 Ack 57
# 3 Eorge 93
# 4 Oah 65

2. df.iterrows()

df.iterrows()生成一个可迭代对象，将DataFrame行作为(索引，行数据)组成的Series数据对进行迭代。在for语句中需要两个变量来承接数据:一个为索引变量，即使索引在迭代中不会使用(这种情况可用useless作为变量名);另一个为数据变量，读取具体列时，可以使用字典的方法和对象属性的方法

df.iterrows()是最常用、最方便的按行迭代方法

import pandas as pd
df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ],
                   columns = ['name','team','Q1','Q2','Q3','Q4'])
# 迭代,使用name,Q1数据
for index, row in df.iterrows():
    print(index, row['name'], row.Q1)

# 输出结果:
# 0 liver 89
# 1 Arry 36
# 2 Ack 57
# 3 Eorge 93
# 4 Oah 65

3 df.itertuples()

df.itertuples()生成一个namedtuples类型数据，name默认名为Pandas，可以在参数中指定

与df.iterrows()相比,df.itertuples()运行速度会更快一些，推荐在数据量庞大的情况下优先使用

import pandas as pd

df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ],
                   columns = ['name','team','Q1','Q2','Q3','Q4'])

for row in df.itertuples():
    print(row)

# 输出结果:
# Pandas(Index=0, name='liver', team='E', Q1=89, Q2=21, Q3=24, Q4=64)
# Pandas(Index=1, name='Arry', team='C', Q1=36, Q2=37, Q3=37, Q4=57)
# Pandas(Index=2, name='Ack', team='A', Q1=57, Q2=60, Q3=18, Q4=84)
# Pandas(Index=3, name='Eorge', team='C', Q1=93, Q2=96, Q3=71, Q4=78)
# Pandas(Index=4, name='Oah', team='D', Q1=65, Q2=49, Q3=61, Q4=86)

以下是一些使用方法示例:

import pandas as pd

df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ],
                   columns = ['name','team','Q1','Q2','Q3','Q4'])

# 不包含索引数据
for row in df.itertuples(index=False):
    print(row)

# Pandas(name='liver', team='E', Q1=89, Q2=21, Q3=24, Q4=64)
# Pandas(name='Arry', team='C', Q1=36, Q2=37, Q3=37, Q4=57)
# Pandas(name='Ack', team='A', Q1=57, Q2=60, Q3=18, Q4=84)
# Pandas(name='Eorge', team='C', Q1=93, Q2=96, Q3=71, Q4=78)
# Pandas(name='Oah', team='D', Q1=65, Q2=49, Q3=61, Q4=86)

# 自定义name
# namedtuples
for row in df.itertuples(index=False, name='Hudas'):
    print(row)

# Hudas(name='liver', team='E', Q1=89, Q2=21, Q3=24, Q4=64)
# Hudas(name='Arry', team='C', Q1=36, Q2=37, Q3=37, Q4=57)
# Hudas(name='Ack', team='A', Q1=57, Q2=60, Q3=18, Q4=84)
# Hudas(name='Eorge', team='C', Q1=93, Q2=96, Q3=71, Q4=78)
# Hudas(name='Oah', team='D', Q1=65, Q2=49, Q3=61, Q4=86)

# 使用数据
for row in df.itertuples():
    print(row.Index, row.name)

# 0 liver
# 1 Arry
# 2 Ack
# 3 Eorge
# 4 Oah

4 df.items()

df.items()和df.iteritems()功能相同，它迭代时返回一个(列名，本列的Series结构数据),实现对列的迭代

如果需要对Series的数据再进行迭代，可嵌套for循环

import pandas as pd
df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ],
                   columns = ['name','team','Q1','Q2','Q3','Q4'])

# Series取前三个
for label, ser in df.items():
    print(label)
    print(ser[:3], end='\n\n')

# 输出结果:------------------------------------------------------------------------------
name
0    liver
1     Arry
2      Ack
Name: name, dtype: object

team
0    E
1    C
2    A
Name: team, dtype: object

Q1
0    89
1    36
2    57
Name: Q1, dtype: int64

Q2
0    21
1    37
2    60
Name: Q2, dtype: int64

Q3
0    24
1    37
2    18
Name: Q3, dtype: int64

Q4
0    64
1    57
2    84
Name: Q4, dtype: int64

#----------------------------------------------------------------------------------------

5 按列迭代

除了df.items()，如需要迭代一个DataFrame的列，可以直接对DataFrame迭代，会循环得到列名

import pandas as pd

df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ],
                   columns = ['name','team','Q1','Q2','Q3','Q4'])

# 直接对DataFrame迭代
for column in df:
    print(column)

# 输出结果:
# name
# team
# Q1
# Q2
# Q3
# Q4

# 再利用df[列名]的方法迭代列
# 依次取出每个列
for column in df:
    print(df[column])

# 输出结果:------------------------------------------------------------------------------
0    liver
1     Arry
2      Ack
3    Eorge
4      Oah
Name: name, dtype: object
0    E
1    C
2    A
3    C
4    D
Name: team, dtype: object
0    89
1    36
2    57
3    93
4    65
Name: Q1, dtype: int64
0    21
1    37
2    60
3    96
4    49
Name: Q2, dtype: int64
0    24
1    37
2    18
3    71
4    61
Name: Q3, dtype: int64
0    64
1    57
2    84
3    78
4    86
Name: Q4, dtype: int64

#----------------------------------------------------------------------------------------

# 可对每个列的内容进行迭代:
for column in df:
    for i in df[column]:
        print(i)

# 输出结果:------------------------------------------------------------------------------
liver
Arry
Ack
Eorge
Oah
E
C
A
C
D
89
36
57
93
65
21
37
60
96
49
24
37
18
71
61
64
57
84
78
86

#----------------------------------------------------------------------------------------

# 可以迭代指定列
for i in df.name:
    print(i)

# 输出结果:
# liver
# Arry
# Ack
# Eorge
# Oah

# 只迭代想要的列
l = ['name','Q1']
cols = df.columns.intersection(l)
for col in cols:
    print(col)

# 输出结果:
# name
# Q1

Original: https://blog.csdn.net/Hudas/article/details/123009927
Author: 山茶花开时。
Title: [Pandas] 数据迭代

相关阅读

Title: ModuleNotFoundError: No module named ‘d2l’

解决方案

• 问题描述：
• 原因分析：
• 解决方案：
  *
• 1.下载
• 2.寻找conda外部软件包的安装位置
  -
  • 2.1打开命令行
  • 2.2查看已安装包的路径
• 3.将d2l库移动到安装包路径下
• 4.其它可能遇到的问题

问题描述：

Anaconda导入d2l库发生错误

import d2l

ModuleNotFoundError: No module named ‘d2l’

原因分析：

d2l库是李沐大神自己写的库函数，包括了一些我们常用的库和自定义函数。

解决方案：

1.下载

方式一：李沐老师动手深度学习github仓库

方式二：百度网盘
提取码：3xgq

; 2.寻找conda外部软件包的安装位置

对于windows上的conda环境，我们可以简单地检查conda的外部软件包（或conda环境）的安装位置。

2.1打开命令行

Win+r打开"运行"对话框
输入 cmd
在命令行输入 ipython

2.2查看已安装包的路径

以numpy包为例

import numpy
numpy.__file__

3.将d2l库移动到安装包路径下

1.找到第二步查看的安装包路径，例如我的路径就是 D:\Anaconda\Lib\site-packages
2.将d2l库移动到安装包路径下

4.其它可能遇到的问题

如果在安装pytorch时，没有安装torchversion包，或者安装的包大于0.5.0版，那么可能会出现以下错误：

ModuleNotFoundError :No module named 'tqdm'

ModuleNotFoundError :No module named 'torchtext'

解决办法

conda install "包名"

Original: https://blog.csdn.net/qq_46378251/article/details/122380964
Author: 卡拉比丘流形
Title: ModuleNotFoundError: No module named ‘d2l’