数据框行的嵌套循环答案

【问题标题】：Nested loop over dataframe rows数据框行的嵌套循环
【发布时间】：2023-01-11 23:45:47
【问题描述】：

考虑到内部循环从 outer_row + 1 开始这一事实，我想对数据帧行执行嵌套循环。如果我使用

for o_index, o_row in df.iterrows():
    L1 = o_row['Home']
    L2 = o_row['Block']
    for i_index, i_row in df.iterrows():
        L3 = i_row['Home']
        L4 = i_row['Block']

如您所见，在第一次迭代中，i_index 与 o_index 相同。但是，我希望 o_index 为 0，i_index 为 1。我该怎么做？

示例：假设这样的数据框：

     Cycle      Home     Block
0     100       1         400
1     130       1         500
2     200       2         200
3     300       1         300
4     350       3         100

迭代应按以下顺序进行：

0 -> 1, 2, 3, 4

1 -> 2、3、4

2 -> 3, 4

3 -> 4

4 -> 没有

在每次内部迭代中，我将比较 L1 和 L3，如果它们相等，则计算 abs(L2-L4) 并将其推入列表。

【问题讨论】：

你到底想达到什么目的？几乎可以肯定的是，使用嵌套的iterrows循环是错误的方法。请举出具体例子。
理想情况下，don't loop at all。你打算用这些价值观做什么？您可以使用 .shift() 来偏移行并一次处理它们。
@mahmood 你现在能举个例子吗手术你会表演吗？
@mozway 请查看更新帖子。
@mahmood 我看过了，但你没有解释你在计算什么。可以向量化吗？

标签： python pandas

【解决方案1】：

无需通过测试进行迭代，您要做的是计算同一 Home 的 Block 组合。所以就这样做：

from itertools import combinations

out = [abs(L2-L4) for _, g in df.groupby('Home')
       for L2, L4 in combinations(g['Block'], r=2)]

输出：

[100, 100, 200]

【讨论】：

【解决方案2】：

对于您的具体问题，我猜 df.iterrows() 可能不是最佳的... 您应该考虑仅使用索引和 df.iloc 进行迭代。

for o_index in range(len(df)):
    o_row = df.iloc[o_index]
    L1 = o_row['Home']
    L2 = o_row['Block']
    for i_index in range(o_index + 1, len(df)):
        i_row = df.iloc[i_index]
        L3 = i_row['Home']
        L4 = i_row['Block']

否则，如果你真的想使用df.iterrows()，这个解决方案应该有效：

for o_index, o_row in df.iterrows():
    L1 = o_row['Home']
    L2 = o_row['Block']
    for i_index, i_row in df.iloc[o_index+1:].iterrows():
        L3 = i_row['Home']
        L4 = i_row['Block']

【讨论】：

在不知道 OP 想要做什么的情况下，循环仍然是一种糟糕的方法也并非不可能；）
@mozway 我同意你的看法，但问题的标题是Nested loop over dataframe rows，所以我想为此提供一个答案。我想剩下的不在这个问题的范围内
我写了一个例子。您提出的方法似乎不错。谢谢你。