迭代 Pandas DataFrame 的行作为字典

Question

我需要遍历 pandas 数据框，以便将每一行作为函数（实际上是类构造函数）的参数传递给 **kwargs 。这意味着每一行都应该作为一个字典，其中的键是列名，值是每行对应的键。

这有效，但表现非常糟糕：

 import pandas as pd

def myfunc(**kwargs):
    try:
        area = kwargs.get('length', 0)* kwargs.get('width', 0)
        return area
    except TypeError:
        return 'Error : length and width should be int or float'

df = pd.DataFrame({'length':[1,2,3], 'width':[10, 20, 30]})

for i in range(len(df)):
    print myfunc(**df.iloc[i])

关于如何提高性能的任何建议？我尝试使用 tried df.iterrows() 进行迭代，但出现以下错误：

TypeError: ** 之后的 myfunc() 参数必须是一个映射，而不是元组

我也尝试过 df.itertuples() 和 df.values ，但要么我遗漏了一些东西，要么意味着我必须将每个元组/ np.array 转换为 pd.Series 或 dict ，这也会很慢。我的约束是脚本必须与 python 2.7 和 pandas 0.14.1 一起使用。

原文由 Matina G 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

你可以试试：

 for k, row in df.iterrows():
    myfunc(**row)

这里 k 是数据帧索引 row 是一个字典，所以你可以访问任何列： row["my_column_name"]

原文由 stellasia 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

一个干净的选择是这个：

 for row_dict in df.to_dict(orient="records"):
    print(row_dict['column_name'])

原文由 avloss 发布，翻译遵循 CC BY-SA 4.0 许可协议