为什么默认情况下Pandas要在DataFrame列上迭代？

Question

试图理解Pandas的一些特性背后的设计原理。

如果我有一个具有3560行和18列的DataFrame，那么

len(frame)

是3560，但是

len([a for a in frame])

才18岁。

对于来自R的人来说，这可能是很自然的；对我来说，这感觉并不是很“Pythonic”。有没有介绍什么地方潘达的基本设计原理？

Answer 1

DataFrame主要是一种基于列的数据结构.在遮罩下，DataFrame内部的数据存储在块中。粗略地说，每个dtype有一个块。每一列都有一个dtype。因此，可以通过从单个块中选择适当的列来访问列。相反，选择单个行需要从每个块中选择适当的行，然后形成一个新的Series，并将数据从每个块的行复制到Series中。因此，迭代遍历DataFrame的行并不像遍历列那样自然。

但是，如果需要迭代行，仍然可以调用df.iterrows()。如果可能的话，您应该避免使用df.iterrows，原因与它不正常的原因相同--它需要复制，这使得这个过程比在列中迭代要慢。

Answer 2

在文档中有一个很好的解释-- Pandas DataFrames的迭代应该是"dict-like“，所以迭代就在键(列)上。

可以说，对于Series的迭代超过了值，这有点令人困惑，但正如docs注意到的那样，这是因为它们更像“数组”。