如何循环遍历熊猫数据框，并有条件地将值分配给变量的一行？

Posted 2023-03-12

【中文标题】如何循环遍历熊猫数据框，并有条件地将值分配给变量的一行？

【英文标题】：How to loop through pandas dataframe, and conditionally assign values to a row of a variable?

【发布时间】：2019-06-22 23:04:18

【问题描述】：

我正在尝试遍历“vol”数据框，并有条件地检查 sample_date 是否在特定日期之间。如果是，则为另一列赋值。

这是我拥有的以下代码：

vol = pd.DataFrame(data=pd.date_range(start='11/3/2015', end='1/29/2019'))
vol.columns = ['sample_date']
vol['hydraulic_vol'] = np.nan
for i in vol.iterrows():
    if  pd.Timestamp('2015-11-03') <= vol.loc[i,'sample_date'] <= pd.Timestamp('2018-06-07'):
        vol.loc[i,'hydraulic_vol'] = 319779

这是我收到的错误： TypeError: 'Series' 对象是可变的，因此它们不能被散列

【参考方案1】：

这是你正确的做法：

cond = (pd.Timestamp('2015-11-03') <= vol.sample_date) & 
       (vol.sample_date <= pd.Timestamp('2018-06-07'))

vol.loc[cond, 'hydraulic_vol'] = 319779

【讨论】：

试试vol.sample_date.between('2015-11-03', '2018-06-07')。 Datetimes 足够聪明，可以与字符串进行比较，并且 .between 更具可读性：D (IMO)。

【参考方案2】：

另一种方法是结合使用numpy 模块中的np.where 方法和.between 方法。

这个方法的工作原理是这样的：np.where(condition, value if true, value if false)

代码示例

cond = vol.sample_date.between('2015-11-03', '2018-06-07')
vol['hydraulic_vol'] = np.where(cond, 319779, np.nan)

或者您可以将它们组合在一行代码中：

vol['hydraulic_vol'] = np.where(vol.sample_date.between('2015-11-03', '2018-06-07'), 319779, np.nan)

编辑 我看到你是新来的，所以这是我在来到 python/pandas 时必须学习的东西。

在数据帧上循环应该是你最后的手段，尝试使用vectorized solutions，在这种情况下.loc 或np.where，与循环相比，它们在速度方面表现更好。

【讨论】：

感谢您分享这个！将范式转换为矢量化编码方式对我来说是一条学习曲线。