iterrows pandas获得下一行值

Question

我在熊猫里有一个df

import pandas as pd
df = pd.DataFrame(['AA', 'BB', 'CC'], columns = ['value'])

我想迭代df中的行.对于每一行我想要行s value and next row的值类似(它不起作用):

for i, row in df.iterrows():
     print row['value']
     i1, row1 = next(df.iterrows())
     print row1['value']

结果我想要

'AA'
'BB'
'BB'
'CC'
'CC'
*Wrong index error here  

在这一点上,我有办法解决这个问题

for i in range(0, df.shape[0])
   print df.irow(i)['value']
   print df.irow(i+1)['value']

有没有更有效的方法来解决这个问题？

Answer 1

首先,你的"混乱方式"是可以的,在数据​​帧中使用索引没有任何问题,这不会太慢.iterrows()本身并不是非常快.

你的第一个想法的版本将是:

row_iterator = df.iterrows()
_, last = row_iterator.next()  # take first item from row_iterator
for i, row in row_iterator:
    print(row['value'])
    print(last['value'])
    last = row

第二种方法可以做类似的事情,将一个索引保存到数据帧中:

last = df.irow(0)
for i in range(1, df.shape[0]):
    print(last)
    print(df.irow(i))
    last = df.irow(i)

当速度至关重要时,您可以随时尝试并为代码计时.

Answer 2

文档中有一个pairwise()功能示例itertools:

from itertools import tee, izip
def pairwise(iterable):
    "s -> (s0,s1), (s1,s2), (s2, s3), ..."
    a, b = tee(iterable)
    next(b, None)
    return izip(a, b)

import pandas as pd
df = pd.DataFrame(['AA', 'BB', 'CC'], columns = ['value'])

for (i1, row1), (i2, row2) in pairwise(df.iterrows()):
    print i1, i2, row1["value"], row2["value"]

这是输出:

0 1 AA BB
1 2 BB CC

但是,我认为它中的行DataFrame很慢,如果你能解释你想要解决的问题,也许我可以建议一些更好的方法.

Answer 3

我会使用 shift() 函数如下：

df['value_1'] = df.value.shift(-1)
[print(x) for x in df.T.unstack().dropna(how = 'any').values];

产生

AA
BB
BB
CC
CC

这是上面代码的工作原理：

步骤 1) 使用移位功能

df['value_1'] = df.value.shift(-1)
print(df)

产生

value value_1
0    AA      BB
1    BB      CC
2    CC     NaN

步骤2）转置：

df = df.T
print(df)

产生：

          0   1    2
value    AA  BB   CC
value_1  BB  CC  NaN

步骤 3) 拆垛：

df = df.unstack()
print(df)

产生：

0  value       AA
   value_1     BB
1  value       BB
   value_1     CC
2  value       CC
   value_1    NaN
dtype: object

步骤 4）删除 NaN 值

df = df.dropna(how = 'any')
print(df)

产生：

0  value      AA
   value_1    BB
1  value      BB
   value_1    CC
2  value      CC
dtype: object

步骤 5) 返回 DataFrame 的 Numpy 表示，并按值打印值：

df = df.values
[print(x) for x in df];

产生：

AA
BB
BB
CC
CC