最近，又發(fā)現(xiàn)了Pandas中三個好用的函數(shù)

導(dǎo)讀

筆者早先學(xué)習(xí)Python以及數(shù)據(jù)分析相關(guān)知識時，對Pandas投入了很多精力，自認(rèn)掌握的還算扎實(shí)，期間也總結(jié)分享了很多Pandas相關(guān)技巧和心得（點(diǎn)擊上方“Pandas”標(biāo)簽可以查看系列文章）。近日，在github中查看一些他人提交的代碼時，發(fā)現(xiàn)了Pandas中這三個函數(shù)，在特定場景中著實(shí)好用，遂成此文以作分享。

程序的基本結(jié)構(gòu)大體包含三種，即順序結(jié)構(gòu)、分支結(jié)構(gòu)和循環(huán)結(jié)構(gòu)，其中循環(huán)結(jié)構(gòu)應(yīng)該是最能體現(xiàn)重復(fù)執(zhí)行相同動作的代碼控制語句，因此也是最必不可少的一種語法（當(dāng)然，順序和分支也都是必不可少的- -!）。雖然Pandas中提供了很多向量化操作，可以很大程度上避免暴力循環(huán)結(jié)構(gòu)帶來的效率低下，但也不得不承認(rèn)仍有很多情況還是循環(huán)來的簡潔實(shí)在。

因此，為了在Pandas中更好的使用循環(huán)語句，本文重點(diǎn)介紹以下三個函數(shù)：

• iteritems

• iterrows

• itertuples
  

當(dāng)然，這三個函數(shù)都是面向DataFrame這種數(shù)據(jù)結(jié)構(gòu)的API，所以為了便于后文介紹三個函數(shù)，構(gòu)造以下DataFrame實(shí)例：

01 iteritems

首先介紹iteritems。我們知道，Pandas中的DataFrame有很多特性，比如可以將其視作是一種嵌套的字典結(jié)構(gòu)：外層字典的key為各個列名（column），相應(yīng)的value為對應(yīng)各列，而各列實(shí)際上即為內(nèi)層字典，其中內(nèi)層字典的key即為行索引，相應(yīng)的value則為對應(yīng)取值。所以，對于一個DataFrame，我們可以方便的使用類似字典那樣，根據(jù)一個列名作為key來獲取對應(yīng)的value值，例如在上述DataFrame中：

當(dāng)然，這是Pandas中再基礎(chǔ)不過的知識了，這里加以提及是為了引出DataFrame的下述API：即，類似于Python中字典的items()方法可以返回所有鍵值對那樣，DataFrame也提供了items方法，返回結(jié)果相信也正是猜測的那樣：

當(dāng)然，返回的結(jié)果是一個生成器（生成器是Python3中的一個重大優(yōu)化，尤其適用于在數(shù)據(jù)量較大時提供memory-efficient的遍歷）。我們可以將其強(qiáng)制轉(zhuǎn)化為一個列表，并進(jìn)而得到如下結(jié)果：

那么，DataFrame的items方法與這里要講的iteritems方法有什么關(guān)系呢？在我初次看到這兩個API時，直覺想法就是items顯式的以列表形式返回各個item信息，而iteritems則以迭代器的形式返回各個item信息。但后來發(fā)現(xiàn)，實(shí)際上items()的返回值也是一個迭代器。進(jìn)一步的，查看函數(shù)簽名文檔，發(fā)現(xiàn)二者其實(shí)就是一致的，甚至連iteritems文檔中的example都用的items。

iteritems的更多文檔部分可自行查看

筆者猜測，可能是在早期items確實(shí)以列表形式返回，而后來優(yōu)化升級為以迭代器形式返回了。不過在pandas文檔中簡單查閱，并未找到相關(guān)描述。

那么，說了這么多，iteritems到底有什么用呢？我個人總結(jié)為如下幾個方面：

• 方便的以(columnName, Series)元組對的形式逐一遍歷各行進(jìn)行相應(yīng)操作

• 以迭代器的形式返回，在DataFrame數(shù)據(jù)量較大時內(nèi)存占用更為高效

• 另外，items是iteritems的同名函數(shù)，二者在功能上目前已無差別

02 iterrows

在前面介紹了iteritems的基礎(chǔ)上，這里介紹iterrows就更加簡單了。如果說iteritems是對各列進(jìn)行遍歷并以迭代器返回鍵值對，那么iterrows則是對各行進(jìn)行遍歷，并逐行返回（行索引，行）的信息。

首先來看函數(shù)的簽名文檔：

而后，仍以前述DataFrame為例，查看其返回結(jié)果：

這里仍然顯式轉(zhuǎn)化為list輸出

結(jié)果不出所料：返回結(jié)果包含5個元組對，其中各元組的第一個值為相應(yīng)的行索引，第二個值為對應(yīng)行的Series格式。不過細(xì)看之下，其中有一個細(xì)節(jié)不容忽視：即各行對應(yīng)Series的dtype均為object。在Pandas中，object往往是由于該行的數(shù)據(jù)類型存在多種類型而向上兼容為object。那么這里為何出現(xiàn)這樣的結(jié)果呢？實(shí)際上，在iterrows的函數(shù)簽名文檔中給出了相應(yīng)的解釋：

函數(shù)簽名文檔中的示例，由于兩列的原始數(shù)據(jù)類型分別為int和float，所以經(jīng)過iterrows遍歷后，返回的各行Series中數(shù)據(jù)類型變?yōu)閒loat64型，而在本文的示例DataFrame中，由于三列信息分別為int、float和object，所以最終返回的Series數(shù)據(jù)類型即為更通用的泛型：object。

示例DataFrame的各列信息

那么，如果想要保留DataFrame中各列的原始數(shù)據(jù)類型時，該如何處理呢？這就需要下面的itertuples。

03 itertuples

在介紹itertuples之前，需要首先科普一下Python中預(yù)置的一種數(shù)據(jù)結(jié)構(gòu)，namedtuple：

實(shí)際上，namedtuple是一個繼承自tuple的子類，區(qū)別在于namedtuple除了可以使用索引來訪問各元素取值外，還支持以各位置的'name'來訪問元素（類似于C語言中的結(jié)構(gòu)體類型），或者說namedtuple可以很方便的無縫轉(zhuǎn)換為dict。

以此為基礎(chǔ)，為了彌補(bǔ)iterrows中可能無法保留各行Series原始數(shù)據(jù)類型的問題，itertuples以namedtuple的形式返回各行，并也以迭代器的形式返回，以便于高效遍歷。仍然來看函數(shù)簽名文檔：

而后，再看上述DataFrame調(diào)用itertuples后的返回結(jié)果：

其中，返回值包含5個namedtuple，這里每個namedtuple都被命名為Pandas，這可以通過itertuples中的name參數(shù)加以修改；另外，注意到在每個namedtuple都包含了4個元素，除了A、B、C三個列取值外，還以index的形式返回了行索引信息，這可以通過itertuples中的index參數(shù)設(shè)置保留或舍棄。

由于行索引作為namedtuple中可選的一部分信息，所以與iteritems和iterrows不同，這里的返回值不再以元組隊(duì)的形式顯示行索引信息。

04 小結(jié)

以上就是本文分享的Pandas中三個好用的函數(shù)，其使用方法大體相同，并均以迭代器的形式返回遍歷結(jié)果，這對數(shù)據(jù)量較大時是尤為友好和內(nèi)存高效的設(shè)計(jì)。對于具體功能而言：

• iteritems是面向列的迭代設(shè)計(jì)，items函數(shù)的功能目前與其相同；

• iterrows和itertuples都是面向行的迭代設(shè)計(jì)，其中iterrows以元組對的形式返回，但返回的各行Series可能無法保留原始數(shù)據(jù)結(jié)構(gòu)類型；而itertuples則以namedtuple形式返回各行信息，行索引不再單獨(dú)顯示而是作為namedtuple中的一項(xiàng)，并可通過itertuples參數(shù)加以設(shè)置是否保留。

相關(guān)閱讀：

• 寫在1024：一名數(shù)據(jù)分析師的修煉之路
  

• 數(shù)據(jù)科學(xué)系列：sklearn庫主要模塊簡介
  

• 數(shù)據(jù)科學(xué)系列：seaborn入門詳細(xì)教程
  

• 數(shù)據(jù)科學(xué)系列：pandas入門詳細(xì)教程

• 數(shù)據(jù)科學(xué)系列：matplotlib入門詳細(xì)教程

• 數(shù)據(jù)科學(xué)系列：numpy入門詳細(xì)教程