熊猫一次迭代列值一次并生成范围

Question

我有一个大熊猫的数据框架，如下所示，

df1 = pd.DataFrame({'biz': [18, 23], 'seg': [30, 34], 'PID': [40, 52]})

我想在下面做

a）一次从每列中传递所有值，以

for ex：

我正在尝试以下操作，

cols = ['biz','seg','PID']
for col in cols:
  for i, j in df1.col.values:
      print("D" + str(i) + ":" + "F" + str(j))
      print("Q" + str(i) + ":" + "S" + str(j))
      print("AB" + str(i) + ":" + "AD" + str(j))

但这是不起作用的，我会遇到一个错误

typeError：不能解开不合时宜的numpy.int64对象

我希望我的输出如下

D18:F23
Q18:S23
AB18:AD23
D30:F34
Q30:S34
AB30:AD34
D40:F52
Q40:S52
AB40:AD52

Answer 1

这个错误在于最内向的山地。

您是在一维值数组上要求迭代器，该迭代器会产生标量值，因此无法解开包装。

如果您的DataFrame每列只有2个项目，那么

cols = ['biz','seg','PID']
for col in cols:
   i, j = getattr(df1, col).values
   print("D" + str(i) + ":" + "F" + str(j))
   print("Q" + str(i) + ":" + "S" + str(j))
   print("AB" + str(i) + ":" + "AD" + str(j))

这应该足以替代

使用loc

pandas ，这实际上是最简单的解决方法，但直到现在才发生在我身上。我们将列名col与loc一起获取所有行（给出：给出 in loc> loc [：,, col] ）

cols = ['biz','seg','PID']
for col in cols:
    i, j = df1.loc[:, col].values

attergetter

我们可以使用operator库中的attergetter对象获取我们想要的单个（或尽可能多的属性）：

from operator import attrgetter

cols = ['biz','seg','PID']
cols = attrgetter(*cols)(df1)
for col in cols:
   i, j = col.values

attergetter 2

此方法类似于上面的方法，除了我们选择多个多个列，有I和J在两个列表中，每个条目对应于一个列。

from operator import attrgetter

cols = ['biz','seg','PID']
cols = attrgetter(*cols)(df1)
cols = [col.values for col in cols]
all_i, all_j = zip(*cols)

熊猫解决方案

这种方法仅使用熊猫功能。它使用df1.columns.get_loc（col_name）函数获取列索引，然后使用.iloc索引值。在.iloc [a，b]我们使用：代替A选择所有行，index代替B来选择仅选择列。

cols = ['biz','seg','PID']
for col in cols:
    index = df1.columns.get_loc(col)
    i, j = df1.iloc[:, index]
    # do the printing here

Answer 2

for i in range(len(df1)):
    print('D' + str(df1.iloc[i,0]) + ':' + 'F' + str(df1.iloc[i+1,0]))
    print('Q' + str(df1.iloc[i,0]) + ':' + 'S' + str(df1.iloc[i+1,0]))
    print('AB' + str(df1.iloc[i,0]) + ':' + 'AD' + str(df1.iloc[i+1,0]))
    print('D' + str(df1.iloc[i,1]) + ':' + 'F' + str(df1.iloc[i+1,1]))
    print('Q' + str(df1.iloc[i,1]) + ':' + 'S' + str(df1.iloc[i+1,1]))
    print('AB' + str(df1.iloc[i,1]) + ':' + 'AD' + str(df1.iloc[i+1,1]))
    print('D' + str(df1.iloc[i,2]) + ':' + 'F' + str(df1.iloc[i+1,2]))
    print('Q' + str(df1.iloc[i,2]) + ':' + 'S' + str(df1.iloc[i+1,2]))
    print('AB' + str(df1.iloc[i,2]) + ':' + 'AD' + str(df1.iloc[i+1,2]))