python - 为什么 Pandas 默认遍历 DataFrame 列？

Question

试图理解 Pandas 某些功能背后的设计原理。

如果我有一个 3560 行 18 列的 DataFrame，那么

len(frame)

是 3560，但是

len([a for a in frame])

是 18 岁。

也许这对来自 R 的人来说很自然；对我来说，它感觉不是很“Pythonic”。有没有介绍 Pandas 的底层设计原理？

Answer 1

DataFrame 主要是一种基于列的数据结构。在底层，DataFrame 中的数据存储在 block 中。粗略地说，每个数据类型都有一个 block 。每一列都有一个数据类型。因此，可以通过从单个 block 中选择适当的列来访问列。相比之下，选择单个行需要从每个 block 中选择适当的行，然后形成一个新的 Series，并将每个 block 的行中的数据复制到 Series 中。因此，遍历 DataFrame 的行(在幕后)不像遍历列那样自然。

如果您需要遍历行，您仍然可以调用 df.iterrows()。您应该尽可能避免使用 df.iterrows，原因与它不自然的原因相同——它需要复制，这使得该过程比遍历列慢。