有条件地遍历 Pandas 数据框

Posted 2023-02-25

【中文标题】有条件地遍历 Pandas 数据框

【英文标题】：Iterating through Pandas Data Frame with conditions

【发布时间】：2015-04-19 13:31:04

【问题描述】：

我正在尝试遍历一个大型数据框。但是，我不知道如何包含一些条件。以下是我的数据框示例：

       0        1        2    3
0  chr3R  4174822  4174922    1.0
1  chr3R  4175400  4175500    0.0
2  chr3R  4175466  4175566    0.5
3  chr3R  4175521  4175621    1.0
4  chr3R  4175603  4175703    0.0

我想遍历行并找到 x 行的第 1 列与第 1 行的第 1 列的差异小于 5000 的行。如果 x 行和第 1 行之间的差异小于 5000，则选择将行 x 到 1 的第 3 列的值放入列表中。然后我想在整个数据框中迭代这个条件，并为第 3 列的值创建一个列表。

我尝试使用 iterrows()，但我只是浏览了整个数据框并没有得到任何结果。

谢谢。

罗德里戈

【问题讨论】：

那么您发布的示例数据框的输出是什么？一个空列表？请展示一个具有所需（非平凡）输出的示例。这样问题就更清楚了。

【参考方案1】：

让我们使用您的数据集，向其中添加更多行。

>>> import pandas as pd
>>> data = pd.DataFrame([
...     ['chr3R', 4174822, 4174922, 1.0],
...     ['chr3R', 4175400, 4175500, 0.0],
...     ['chr3R', 4175466, 4175566, 0.5],
...     ['chr3R', 4175521, 4175621, 1.0],
...     ['chr3R', 4175603, 4175703, 0.0],
...     ['chr3R', 5005603, 4175703, 0.0],   # col 1 is more than 5000 away
...     ['chr3R', 6005603, 4175703, 0.0],   # col 1 is more than 5000 away
... ])

添加最后两行以显示第 1 列比 4174822（第 1 列的第一个值）高 5000 以上的行示例。

您可以过滤掉与第一个值 4174822 相差 5,000 以内的值，如下所示：

>>> subset = data[data[1] - data[1][0] < 5000]
>>> subset
       0        1        2    3
0  chr3R  4174822  4174922  1.0
1  chr3R  4175400  4175500  0.0
2  chr3R  4175466  4175566  0.5
3  chr3R  4175521  4175621  1.0
4  chr3R  4175603  4175703  0.0

...然后使用.iterrows()进行迭代。

>>> for index, row in subset.iterrows():
...     # do something with row

【参考方案2】：

这可以在不使用 iterrows 的情况下完成。以上都将起作用。另一种方法是使用包 numpy 中的 np.where。这是一个例子。 PL。根据您的要求进行修改。

    import numpy as np 
    df['newcol'] = np.where(df[1]- df[1].iloc[0] <  5000, 1, df[1])
    dfList = df['newcol'].tolist()

【参考方案3】：

>>> df[(df.iloc[:, 1] - df.iat[1, 1]) < 5000][3].tolist()
[1.0, 0.0, 0.5, 1.0, 0.0]

df.iloc[:, 1] 选择第一列中的所有行，使用df.iat[1, 1] 减去第一行第一列的值，然后过滤小于 5000 的值。

最后的[3] 然后选择第三列（这将返回一个系列）。但既然你想要一个列表，只需将 .tolist() 附加到结果中即可。

【参考方案4】：

非常感谢各位，

但是，我需要创建一个列表列表。我可以抓取与第一行相差 5000 的第一行。我需要抓取相差 5000 的下一行。迭代此过程的最佳方法是什么？

谢谢。