df4loop

df4loop

DF4LOOP支持需要pandas.dataframe和loop組合的通用過程。具體來說，DF4LOOP的任務是“加速處理”和“使復雜的代碼直觀”以低安裝成本。

安裝

pip install df4loop

用法

定義了以下數據框架以幫助用戶設想使用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	一個	一個
1	200	b	b
2	300	c	c
3	400	d	d
4	500	e	e

dfiterator

dfiterator可幫助開發人員編寫以下代碼。這是使用pandas.dataframe.iterrows編寫的代碼，目的是引用一個行。

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

dfiterator重現了此過程並加快了速度。實際上，DataFrame及其行Pandas。系列被轉換為列表和詞典以加快速度。但是，用法幾乎相同。

 from df4loop import DFIterator

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

如果您不需要輸出索引，請設置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設置的行數據框架的生成。將行添加到循環中的數據框中將需要很長時間才能處理。加速加速的秘訣是在列表或字典中組織行，然後立即製作pandas.dataframe。 DFGenerator支持此過程以實現直觀。

以下代碼是將DICE類型選擇為行選擇的示例。

 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 ()

以下代碼是選擇列表類型作為行的示例。必須在初始化期間指定列。

 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 ()