029—pandas 遍历行非向量化修改数据

前言

在 pandas 中，向量化计算是指利用 pandas 对象的内置方法和函数，将操作应用到整个数据结构的每个元素，从而在单个操作中完成大量的计算。
但在一些需求中，我们无法使用向量化计算，就需要迭代操作，本例就是这样的一种情况。

需求：

1. 第一行的值为所在行的 a + b
2. 第二行及以后的值为 上一行的 c + a

思路：

• 本例不是一个向量化的计算，因为第一行的计算逻辑与其他行的计算逻辑不同。针对，这样的情况，我们可以用迭代的方法进行灵活的操作。
• 先根据第一行的计算逻辑增加 c 列，然后迭代并排除第一行，对其他行按计算逻辑进行修改。

二、使用步骤

读入数据

代码如下（示例）：

import pandas as pddf = pd.DataFrame({'a': [5, 6, 7], 'b': [3, 5, 8]})
df

# 按第一行的计算逻辑增加 c 列：
df['c'] = df.a+df.b
df

# 迭代计算修改其他行：
# 遍历df的每一行，返回一个命名元组，命名元组的字段包括Index和DataFrame中的各列
for i in df.itertuples():if i.Index != 0:df.loc[i.Index, 'c'] = i.a + df.loc[i.Index-1, 'c'] # 当前行的'a'列值与上一行的'c'列值相加，并将结果赋值给当前行的'c'列

# 以上代码，df.itertuples() 产生一个可迭代 map 对象，每行是一个 namedtuple 类型数据。即：for i in df.itertuples():print(i)

# 接着判断如果索引不是第一行（值为 0）就用 loc 获取定位并进行修改，最后得到的数据为：df

总结

以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。