python - Pandas :在 Dataframe 子集上使用 iterrows

Question

用 DataFrame 的子集执行 iterrows 的最佳方法是什么？

让我们来看下面这个简单的例子:

import pandas as pd

df = pd.DataFrame({
  'Product': list('AAAABBAA'),
  'Quantity': [5,2,5,10,1,5,2,3],
  'Start' : [
      DT.datetime(2013,1,1,9,0),
      DT.datetime(2013,1,1,8,5),
      DT.datetime(2013,2,5,14,0),
      DT.datetime(2013,2,5,16,0),
      DT.datetime(2013,2,8,20,0),                                      
      DT.datetime(2013,2,8,16,50),
      DT.datetime(2013,2,8,7,0),
      DT.datetime(2013,7,4,8,0)]})

df = df.set_index(['Start'])

现在我想使用 itterrows 函数修改这个 DataFrame 的一个子集，例如:

for i, row_i in df[df.Product == 'A'].iterrows():
    row_i['Product'] = 'A1' # actually a more complex calculation

但是，更改不会持续存在。

是否有可能(除了使用索引“i”的手动查找)对原始 Dataframe 进行持久更改？

Answer 1

为什么需要 iterrows()？我认为在 pandas(或 numpy)中使用矢量化操作总是更可取:

df.ix[df['Product'] == 'A', "Product"] = 'A1'