Pandas：在Dataframe子集上使用iterrows

Question

如何对DataFrame的子集进行iterrows遍历是最好的方法？

让我们以以下简单示例为例：

import pandas as pd

df = pd.DataFrame({
  'Product': list('AAAABBAA'),
  'Quantity': [5,2,5,10,1,5,2,3],
  'Start' : [
      DT.datetime(2013,1,1,9,0),
      DT.datetime(2013,1,1,8,5),
      DT.datetime(2013,2,5,14,0),
      DT.datetime(2013,2,5,16,0),
      DT.datetime(2013,2,8,20,0),                                      
      DT.datetime(2013,2,8,16,50),
      DT.datetime(2013,2,8,7,0),
      DT.datetime(2013,7,4,8,0)]})

df = df.set_index(['Start'])

现在我想使用itterrows函数修改这个DataFrame的子集，例如：

for i, row_i in df[df.Product == 'A'].iterrows():
    row_i['Product'] = 'A1' # actually a more complex calculation

然而，这些更改并不会被保留。

除了使用索引“i”进行手动查找之外，有没有其他可能使原始数据框上的更改持续存在的方法？

- Andy

---

你是否正在尝试从不同的列中获取参数并将函数应用于每一行？这个问题已经在这里得到了解答：https://dev59.com/fGQo5IYBdhLWcg3wDb0J。 - dmvianna

Answer 1

为什么需要使用iterrows()呢？我认为在pandas（或numpy）中使用向量化操作总是更可取的：

df.ix[df['Product'] == 'A', "Product"] = 'A1'

- Roman Pekar

---

感谢您的评论。这只是一个简单的例子，我实际的用例更为复杂，我需要在其中使用iterrows。 - Andy

@Andy：那么你需要在你的问题中明确表达。 - smci

Answer 2

我想到的最好的方法是生成一个新的向量，其中包含所需的结果，您可以随意循环，然后将其重新分配回列

#make a copy of the column
P = df.Product.copy()
#do the operation or loop if you really must
P[ P=="A" ] = "A1"
#reassign to original df
df["Product"] = P

- Magellan88