将 Pandas DataFrame 的行作为字典进行迭代

Question

我需要遍历 Pandas 数据帧，以便将每一行作为函数（实际上是类构造函数）的参数传递给**kwargs. 这意味着每一行都应该像一个字典，键是列名，值是每行对应的列名。

这有效，但它的表现非常糟糕：

import pandas as pd

def myfunc(**kwargs):

    try:

        area = kwargs.get('length', 0)* kwargs.get('width', 0)

        return area

    except TypeError:

        return 'Error : length and width should be int or float'

df = pd.DataFrame({'length':[1,2,3], 'width':[10, 20, 30]})

for i in range(len(df)):

    print myfunc(**df.iloc[i])

关于如何提高性能的任何建议？我尝试使用 try 进行迭代df.iterrows()，但出现以下错误：

类型错误：** 之后的 myfunc() 参数必须是映射，而不是元组

我也试过df.itertuples()and df.values，但要么我遗漏了一些东西，要么意味着我必须将每个元组/ np.array 转换为 pd.Series 或 dict ，这也会很慢。我的限制是脚本必须使用 python 2.7 和 pandas 0.14.1。

Answer 1

你可以试试：for k, row in df.iterrows():     myfunc(**row)这k是数据帧索引并且row是一个字典，因此您可以使用以下方式访问任何列：row["my_column_name"]