Skip to main content
 首页 » 编程设计

python之循环遍历数据框(列和行)并替换数据

2024年11月01日18itcoder

我有: df = pd.DataFrame([[1, 2,3], [2, 4,6],[3, 6,9]], columns=['A', 'B', 'C'] )

我需要计算每行和每列的 i+1 和 i 值之间的差异,并将其再次存储在同一列中。所需的输出将是:

Out[2]:  
   A  B  C 
0  1  2  3 
1  1  2  3 
2  1  2  3 

我曾尝试这样做,但我最终得到了一个 append 了所有值的列表,我需要将它们单独存储(在列表中,或在同一个数据框中)。

有办法吗?

 
difs=[] 
for column in df: 
    for i in range(len(df)-1): 
        a = df[column] 
        b = a[i+1]-a[i] 
        difs.append(b) 
 
for x in difs: 
    for column in df: 
        df[column]=x 

请您参考如下方法:

您可以使用 pandas 函数 shift 来实现您的预​​期目标。这就是它的作用(更多信息请参见 docs ):

Shift index by desired number of periods with an optional time freq.

for col in df: 
    df[col] = df[col] - df[col].shift(1).fillna(0) 
 
df 
Out[1]: 
    A       B       C 
0   1.0     2.0     3.0 
1   1.0     2.0     3.0 
2   1.0     2.0     3.0 

已添加

如果您想使用循环,可能一个好的方法是使用 iterrows(更多信息 here),因为它提供了 (index, Series)对。

difs = [] 
for i, row in df.iterrows(): 
    if i == 0: 
        x = row.values.tolist() ## so we preserve the first row 
    else: 
        x = (row.values - df.loc[i-1, df.columns]).values.tolist() 
    difs.append(x) 
 
difs 
Out[1]: 
[[1, 2, 3], [1, 2, 3], [1, 2, 3]] 
 
## Create new / replace old dataframe 
cols = [col for col in df.columns] 
new_df = pd.DataFrame(difs, columns=cols) 
 
new_df 
Out[2]: 
    A       B       C 
0   1.0     2.0     3.0 
1   1.0     2.0     3.0 
2   1.0     2.0     3.0