Hur man loopar genom Da­taFrames med pandas iterrows()

Python -funk­tio­nen pandas DataFrame.iterrows() används för att iterera över rader i en pandas DataFrame. För varje rad till­han­da­hål­ler den en Python-tupel som in­ne­hål­ler ra­din­dex­et och ett Series-objekt med radens data.

Vad är syntaxen för pandas iterrows()?

Den grund­läg­gan­de syntaxen för pandas DataFrame.iterrows() är enkel eftersom funk­tio­nen inte tar några pa­ra­met­rar:

df.iterrows()

I detta ko­dex­em­pel är df den DataFrame som du vill iterera igenom.

Hur man använder funk­tio­nen pandas iterrows()

Funk­tio­nen DataFrame.iterrows() används van­ligt­vis när du behöver bearbeta data rad för rad. Den kom­bi­ne­ras ofta med Python-for-loopar.

Addera värden i en kolumn

Låt oss titta på ett exempel på en DataFrame som in­ne­hål­ler ko­lum­ner­na Namn, Ålder och Poäng:

import pandas as pd
# Creating an example DataFrame
data = {'Name': ['Anna', 'Ben', 'Clara'],
    'Age': [23, 35, 29],
    'Score': [88, 92, 85]}
df = pd.DataFrame(data)
print(df)

Koden ovan re­sul­te­rar i följande DataFrame:

Name  Age  Score
0   Anna    23     88
1    Ben    35     92
2  Clara    29     85

Nu ska vi beräkna summan av poängen. Vi kan använda pandas DataFrame.iterrows() för att göra detta:

# Calculating the total score
total_score = 0
for index, row in df.iterrows():
    total_score += row['Score']
print(f"The total score is: {total_score}")

I det här exemplet använde vi funk­tio­nen pandas iterrows() för att gå igenom varje rad och lägga ihop värdena i kolumnen Score ett efter ett. Detta ger följande resultat:

The total score is: 265

Bearbeta rader med hjälp av villkor

Funk­tio­nen iterrows() kan också användas för att tillämpa villkor på enskilda rader i din DataFrame. Låt oss till exempel säga att du vill hämta namnen på alla över 30 år i DataFrame från det senaste exemplet:

# Retrieving names of people over 30 years old
names = []
for index, row in df.iterrows():
    if row['Age'] > 30:
        names.append(row['Name'])
print(f"People over 30 years old: {names}")

I det här exemplet använde vi DataFrame.iterrows() för att gå igenom varje rad med data. Inuti for-slingan kon­trol­le­rar den värdena i kolumnen Ålder och lagrar endast namnen på personer över 30 år i Python-listan names. Detta görs med hjälp av Python-funk­tio­nen append(). Här är re­sul­ta­tet:

People over 30 years old: ['Ben']