为什么Pandas默认迭代DataFrame列？

Question

试图理解一些熊猫功能背后的设计原理。

如果我有3560行和18列的数据帧，然后

len(frame) 

是3560，但

len([a for a in frame]) 

为18

也许这种感觉自然有人来了R等对我来说，它并不觉得'Pythonic'。是否有熊猫的基本设计理念介绍？

Answer 1

DataFrame主要是一个基于列的数据结构。 在引擎盖下，DataFrame中的数据存储在块中。粗略地说，每个dtype有一个块。 每列有一个dtype。因此，访问列可以通过从一个块中选择适当的列来完成。相反，选择单行需要从每个块中选择适当的行，然后形成一个新的Series，并将每个块的行中的数据复制到Series中。 因此，迭代DataFrame的行（在引擎盖下）并不像循环遍历列那样自然。

如果您需要遍历行，您仍然可以通过调用df.iterrows()。如果可能的话，应该避免使用df.iterrows，这是因为它存在不自然的原因 - 它需要进行复制，使得该过程比遍历列更慢。

Answer 2

在docs中有一个体面的解释 - 大熊猫的迭代DataFrames的意思是“字典式的”，所以迭代遍及键（列）。

可以说系列的迭代超过了值是有点令人困惑，但正如文档所指出的，那是因为它们更像“数组”。