df4loop

df4loop

DF4LOOP支持需要pandas.dataframe和loop组合的通用过程。具体来说，DF4LOOP的任务是“加速处理”和“使复杂的代码直观”以低安装成本。

安装

pip install df4loop

用法

定义了以下数据框架以帮助用户设想使用DF4LOOP。

 import pandas as pd

sample_dict = {
    "column_1" : [ 100 , 200 , 300 , 400 , 500 ],
    "column_2" : [ "A" , "B" , "C" , "D" , "E" ],
    "column_3" : [ "a" , "b" , "c" , "d" , "e" ],
}
df = pd . DataFrame . from_dict ( sample_dict )
df

	列_1	列_2	列_3
0	100	一个	一个
1	200	b	b
2	300	c	c
3	400	d	d
4	500	e	e

dfiterator

dfiterator可帮助开发人员编写以下代码。这是使用pandas.dataframe.iterrows编写的代码，目的是引用一个行。

 for index , row in df . iterrows ():
    tmp = row [ "column_1" ]

dfiterator重现了此过程并加快了速度。实际上，DataFrame及其行Pandas。系列被转换为列表和词典以加快速度。但是，用法几乎相同。

 from df4loop import DFIterator

df_iterator = DFIterator ( df )
for index , row in df_iterator . iterrows ():
    tmp = row [ "column_1" ]

如果您不需要输出索引，请设置return_indexes=False 。

 from df4loop import DFIterator

df_iterator = DFIterator ( df )
for row in df_iterator . iterrows ( return_indexes = False ):
    tmp = row [ "column_1" ]

DFGenerator

DFGENERATOR支持LOOPS设置的行数据框架的生成。将行添加到循环中的数据框中将需要很长时间才能处理。加速加速的秘诀是在列表或字典中组织行，然后立即制作pandas.dataframe。 DFGenerator支持此过程以实现直观。

以下代码是将DICE类型选择为行选择的示例。

 from df4loop import DFGenerator

# It is not necessary to specify columns.
df_generator = DFGenerator ( columns = df . columns . values . tolist ())
for _ , row in df . iterrows ():
    tmp_row = {
        "column_1" : row [ "column_1" ],
        "column_2" : row [ "column_2" ],
        "column_3" : row [ "column_3" ],
    }
    df_generator . append ( tmp_row )
new_df = df_generator . generate_df ()

以下代码是选择列表类型作为行的示例。必须在初始化期间指定列。

 from df4loop import DFGenerator

df_generator = DFGenerator ( columns = df . columns . values . tolist ())
for _ , row in df . iterrows ():
    tmp_row = [
        row [ "column_1" ],
        row [ "column_2" ],
        row [ "column_3" ],
    ]
    df_generator . append ( tmp_row )
new_df = df_generator . generate_df ()