Si vous souhaitez parcourir le DataFrame pour effectuer certaines opérations sur chacune des lignes, vous pouvez utiliser la fonction iterrows() dans Pandas.
Les pandas utilisent trois fonctions pour parcourir les lignes du DataFrame, à savoir iterrows(), iteritems() et itertuples().
Itérer les lignes avec les iterrows Pandas :
Le iterrows () est responsable de la boucle sur chaque ligne du DataFrame. Il renvoie un itérateur qui contient l'index et les données de chaque ligne sous forme de série.
Nous avons la fonction suivante pour voir le contenu de l'itérateur.
Cette fonction renvoie chaque valeur d'index ainsi qu'une série contenant les données de chaque ligne.
Rendements :
Exemple 1
import pandas as pd import numpy as np info = pd.DataFrame(np.random.randn(4,2),columns = ['col1','col2']) for row_index,row in info.iterrows(): print (row_index,row)
Sortir
0 name John degree B.Tech score 90 Name: 0, dtype: object 1 name Smith degree B.Com score 40 Name: 1, dtype: object 2 name Alexander degree M.Com score 80 Name: 2, dtype: object 3 name William degree M.Tech score 98 Name: 3, dtype: object
Exemple2
# importing pandas module import pandas as pd # making data frame from csv file data = pd.read_csv('aa.csv') for i, j in data.iterrows(): print(i, j) print()
Sortir
0 Name Hire Date Salary Leaves Remaining 0 John Idle 03/15/14 50... Name: 0, dtype: object 1 Name Hire Date Salary Leaves Remaining 1 Smith Gilliam 06/01/15 65000... Name: 1, dtype: object 2 Name Hire Date Salary Leaves Remaining 2 Parker Chapman 05/12/14 45000.0 ... Name: 2, dtype: object 3 Name Hire Date Salary Leaves Remaining 3 Jones Palin 11/01/13 700... Name: 3, dtype: object 4 Name Hire Date Salary Leaves Remaining 4 Terry Gilliam 08/12/14 4800... Name: 4, dtype: object 5 Name Hire Date Salary Leaves Remaining 5 Michael Palin 05/23/13 66000... Name: 5, dtype: object