pandas中遍歷dataframe的每一個元素的實現(xiàn)
假如有一個需求場景需要遍歷一個csv或excel中的每一個元素,判斷這個元素是否含有某個關鍵字
那么可以用python的pandas庫來實現(xiàn)。
方法一:
pandas的dataframe有一個很好用的函數(shù)applymap,它可以把某個函數(shù)應用到dataframe的每一個元素上,而且比常規(guī)的for循環(huán)去遍歷每個元素要快很多。如下是相關代碼:
import pandas as pd data = [["str","ewt","earw"],["agter","awetg","aeorgh"]] dataframe1 = pd.DataFrame(data=data,columns=["name1","name2","name3"]) print(dataframe1) bool_array = dataframe1.applymap(lambda x:"w" in x) out_array = dataframe1[bool_array] print(out_array) >> name1 name2 name3 0 str ewt earw 1 agter awetg aeorgh name1 name2 name3 0 NaN ewt earw 1 NaN awetg NaN
代碼中,bool_array為一個邏輯矩陣,滿足條件元素的位置為true,否則為false。然后通過邏輯矩陣去索引dataframe1,就可以得出滿足條件的元素。
方法二:
第一種方法是一次性遍歷每個元素,這樣不好分column去處理,那換一種方式可以每次遍歷一列
#接上面代碼 file_columns = dataframe1.columns.tolist() for column in file_columns: bool_index = dataframe1[column].str.contains("w") filter_data = dataframe1[column][bool_index] print(filter_data) >> Series([], Name: name1, dtype: object) 0 ewt 1 awetg Name: name2, dtype: object 0 earw Name: name3, dtype: object
代碼種 Series.str.contains 是 Series 才有的一個操作。另外,filter_data只輸出每一列中滿足條件的元素,更方便下一步的操作。
簡單說明:
針對pandas的dataframe和series,有強大的高階函數(shù):apply,applymap和map函數(shù)等,它們比簡單的for循環(huán)要快很多,善用這些高階函數(shù)會讓你事半功倍。
以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關文章
Python操作Excel數(shù)據(jù)的封裝函數(shù)分享
對比其它編程語言,我們都知道Python最大的優(yōu)勢是代碼簡單,有豐富的第三方開源庫供開發(fā)者使用。而對于數(shù)據(jù)的讀取和存儲,對于普通人來講,除了數(shù)據(jù)庫之外,最常見的就是微軟的Excel。本文為大家準備了Python操作Excel數(shù)據(jù)的封裝函數(shù),希望對大家有所幫助2022-11-11Python的Flask框架及Nginx實現(xiàn)靜態(tài)文件訪問限制功能
這篇文章主要介紹了Python的Flask框架及Nginx實現(xiàn)靜態(tài)文件訪問限制功能,Nginx方面利用到了自帶的XSendfile,需要的朋友可以參考下2016-06-06Python查看Tensor尺寸及查看數(shù)據(jù)類型的實現(xiàn)
這篇文章主要介紹了Python查看Tensor尺寸及查看數(shù)據(jù)類型的實現(xiàn)方式,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2022-07-07Python對ElasticSearch獲取數(shù)據(jù)及操作
這篇文章主要為大家詳細介紹了Python對ElasticSearch獲取數(shù)據(jù)及操作,具有一定的參考價值,感興趣的小伙伴們可以參考一下2019-04-04