相关疑难解决方法(0)

我有一只DataFrame熊猫:

import pandas as pd
inp = [{'c1':10, 'c2':100}, {'c1':11,'c2':110}, {'c1':12,'c2':120}]
df = pd.DataFrame(inp)
print df

输出:

   c1   c2
0  10  100
1  11  110
2  12  120

现在我想迭代这个帧的行.对于每一行,我希望能够通过列的名称访问其元素(单元格中的值).例如:

for row in df.rows:
   print row['c1'], row['c2']

是否有可能在熊猫中做到这一点？

我发现了类似的问题.但它没有给我我需要的答案.例如,建议使用:

for date, row in df.T.iteritems():

要么

for row in df.iterrows():

但我不明白row对象是什么以及如何使用它.

我有关于Pandas DataFrame中变量的对数返回的数据。我想将这些收益转换为从100（或任何任意数字）开始的索引时间序列。例如，在创建通胀指数或比较两个不同幅度的序列时，这种操作非常普遍：

因此，例如2000年1月1日的第一个值设置为100，而2000年1月2日的下一个值设置为100 * exp（return_2000_01_02），依此类推。下面的例子：

我知道我可以使用.iteritems（）遍历 Pandas DataFrame中的行，如下面的SO问题所示： 遍历迭代

我也知道我可以将DataFrame转换为numpy数组，遍历该数组中的值，然后将numpy数组转换回Pandas DataFrame。该.as_matrix（）方法，在此说明： http://pandas.pydata.org/pandas-docs/version/0.13.1/generated/pandas.Series.html

一种更简单的方法是使用Pandas索引中记录的Python和numpy 索引运算符[]来对行进行迭代：http : //pandas.pydata.org/pandas-docs/stable/indexing.html

问题在于，所有这些解决方案（迭代项目除外）都在“ Pandas之外”工作，并且据我所读，效率低下。

有没有一种方法可以使用纯熊猫创建索引时间序列？如果没有，请建议最有效的方法。找到解决方案非常困难，因为索引和索引在Pandas中有特定的含义，但我这次不知道了。