Pandas DataFrame의 열 반복
-
getitem([]) 구문을 사용하여 Pandas DataFrame의 열을 반복합니다 -
dataframe.iteritems()를 사용하여 Pandas Dataframe의 열을 반복합니다 -
enumerate()를 사용하여 Pandas 열을 반복합니다
DataFrame은 매우 클 수 있으며 수백 개의 행과 열을 포함 할 수 있습니다. DataFrame의 열을 반복하고 회귀 등과 같이 열에 대해 개별적으로 작업을 수행해야합니다.
for루프를 사용하여 DataFrame의 열을 반복 할 수 있습니다. for루프의 기본 구문은 다음과 같습니다.
for value in sequence:
# Body of Loop
예를 들어 getitem 구문 ([]),dataframe.iteritems()함수,enumerate()함수 및 index 사용과 같은 여러 메서드를 사용하여 DataFrame에서for 루프를 실행할 수 있습니다. DataFrame의.
getitem ([]) 구문을 사용하여 Pandas DataFrame의 열을 반복합니다
열 레이블을 사용하여getitem 구문 ([])을 사용하여 DataFrame에서for 루프를 실행할 수 있습니다. 예를 들면 :
import pandas as pd
df = pd.DataFrame(
[[10, 6, 7, 8], [1, 9, 12, 14], [5, 8, 10, 6]], columns=["a", "b", "c", "d"]
)
print(df)
print("------------------")
for column in df:
print(df[column].values)
출력:
a b c d
0 10 6 7 8
1 1 9 12 14
2 5 8 10 6
------------------
[10 1 5]
[6 9 8]
[ 7 12 10]
[ 8 14 6]
values()함수는 객체의 요소를 목록으로 추출하는 데 사용됩니다.
dataframe.iteritems()를 사용하여 Pandas Dataframe의 열을 반복합니다
Pandas는 DataFrame을 반복하는 데 도움이되는dataframe.iteritems()함수를 제공하고 열 이름과 해당 콘텐츠를 시리즈로 반환합니다.
import pandas as pd
df = pd.DataFrame(
[[10, 6, 7, 8], [1, 9, 12, 14], [5, 8, 10, 6]], columns=["a", "b", "c", "d"]
)
for (colname, colval) in df.iteritems():
print(colname, colval.values)
출력:
A[10 1 5]
b [6 9 8]
c [ 7 12 10]
d [ 8 14 6]
enumerate()를 사용하여 Pandas 열을 반복합니다
DataFrame이있는enumerate()는 인덱스와 열 레이블을 반환하므로이를 반복 할 수 있습니다.
import pandas as pd
df = pd.DataFrame(
[[10, 6, 7, 8], [1, 9, 12, 14], [5, 8, 10, 6]], columns=["a", "b", "c", "d"]
)
for (index, colname) in enumerate(df):
print(index, df[colname].values)
출력:
0 [10 1 5]
1 [6 9 8]
2 [ 7 12 10]
3 [ 8 14 6]
위의 방법 중 하나를 매우 효율적으로 사용하여 DataFrame을 반복 할 수 있습니다. 열에 대한 회귀와 같은 작업을 개별적으로 실행할 수도 있습니다. 예를 들어, 아래 예와 같이 마지막 열을 독립 변수로 설정하고 다른 열을 종속 변수로 사용하여 OLS 회귀를 실행할 수 있습니다.
import pandas as pd
import statsmodels.api as sm
import numpy as np
df = pd.DataFrame(
[[10, 6, 7, 8], [1, 9, 12, 14], [5, 8, 10, 6]], columns=["a", "b", "c", "d"]
)
for column in df:
Y = df["d"]
X = df[column]
X = sm.add_constant(X)
model = sm.OLS(X, Y)
results = model.fit()
print(results.params)
출력:
0 1
d 0.094595 0.418919
0 1
d 0.094595 0.75
0 1
d 0.094595 0.959459
0 1
d 0.094595 1.0
Manav is a IT Professional who has a lot of experience as a core developer in many live projects. He is an avid learner who enjoys learning new things and sharing his findings whenever possible.
LinkedIn