如何有效地进行迭代?
如果确实需要迭代熊猫数据框,则可能要避免使用iterrows()。有不同的方法,通常iterrows()
远非最佳。itertuples()可以快100倍。
简而言之:
- 通常使用
df.itertuples(name=None)
。特别是当您有固定数量的列且少于255列时。参见要点(3)
- 否则,
df.itertuples()
除非您的列具有特殊字符(例如空格或'-'),否则请使用。参见要点(2)
- 它可以使用
itertuples()
使用最后一个例子,即使你的数据帧有奇怪列。参见要点(4)
- 仅
iterrows()
当您无法使用以前的解决方案时使用。参见要点(1)
遍历pandas数据框中的行的不同方法:
生成具有一百万行四列的随机数据框:
df = pd.DataFrame(np.random.randint(0, 100, size=(1000000, 4)), columns=list('ABCD'))
print(df)
1)通常iterrows()
很方便,但是该死的慢:
start_time = time.clock()
result = 0
for _, row in df.iterrows():
result += max(row['B'], row['C'])
total_elapsed_time = round(time.clock() - start_time, 2)
print("1. Iterrows done in {} seconds, result = {}".format(total_elapsed_time, result))
2)默认itertuples()
值已经快得多,但是它不适用于诸如以下的列名My Col-Name is very Strange
(如果重复列或如果列名不能简单地转换为python变量名,则应避免使用此方法):
start_time = time.clock()
result = 0
for row in df.itertuples(index=False):
result += max(row.B, row.C)
total_elapsed_time = round(time.clock() - start_time, 2)
print("2. Named Itertuples done in {} seconds, result = {}".format(total_elapsed_time, result))
3)itertuples()
使用name = None 的默认值甚至更快,但由于必须在每列中定义一个变量,因此并不十分方便。
start_time = time.clock()
result = 0
for(_, col1, col2, col3, col4) in df.itertuples(name=None):
result += max(col2, col3)
total_elapsed_time = round(time.clock() - start_time, 2)
print("3. Itertuples done in {} seconds, result = {}".format(total_elapsed_time, result))
4)最后,named itertuples()
的速度比上一点慢,但是您不必为每列定义一个变量,它可以与诸如的列名一起使用My Col-Name is very Strange
。
start_time = time.clock()
result = 0
for row in df.itertuples(index=False):
result += max(row[df.columns.get_loc('B')], row[df.columns.get_loc('C')])
total_elapsed_time = round(time.clock() - start_time, 2)
print("4. Polyvalent Itertuples working even with special characters in the column name done in {} seconds, result = {}".format(total_elapsed_time, result))
输出:
A B C D
0 41 63 42 23
1 54 9 24 65
2 15 34 10 9
3 39 94 82 97
4 4 88 79 54
... .. .. .. ..
999995 48 27 4 25
999996 16 51 34 28
999997 1 39 61 14
999998 66 51 27 70
999999 51 53 47 99
[1000000 rows x 4 columns]
1. Iterrows done in 104.96 seconds, result = 66151519
2. Named Itertuples done in 1.26 seconds, result = 66151519
3. Itertuples done in 0.94 seconds, result = 66151519
4. Polyvalent Itertuples working even with special characters in the column name done in 2.94 seconds, result = 66151519
本文是iterrows和itertuples之间非常有趣的比较