Python - 如何循环遍历 dataframe 中的每一行以更改列中的值？

Question

我需要遍历Dataframe以将值分配给新列。
例如，它应该遍历每一行，然后这样做——
if HomeTeam == 'Burnley':
HV = 50
elif HomeTeam == 'Crystal Palace':
HV = 65
等等..对于整个 dataframe （我在单独的文件中有每个团队的 HV 值）。 像 HV 一样，我想将值分配给 dataframe 中显示为 NaN 的其他列。 我尝试使用 iterrows() 但它将每一行视为不可变的元组。

Answer 1

有两个选项取决于是否有许多独特的对

几个独特的对： .map()

手动将这些对键入字典，然后使用.map(dict) ：

dict = {'Burnley': 50, 'Crystal Palace': 65, ...)

df['HV'] = df['HomeTeam'].map(dict)

许多独特的对

将单独的文件读取为 DataFrame 并合并，而不是手动键入。假设单独的文件为.csv格式：

hv_hometeam_df = pd.read_csv('PATH/to/csv')

merge_df = df.merge(hv_hometown_df,
                        left_on='HomeTeam', 
                        right_on='COLUMN')
merge_df = merge_df\
              .drop(labels=['HomeTeam'], axis=1)\
              .rename(columns={'COLUMN': 'HomeTeam'})

Answer 2

你可以使用dictionary和map做你想做的事

hv_dict = {'Burnley': 50, 'Crystal Palace': 65}
df['HV'] = df['HomeTeam'].map(hv_dict)

这应该比迭代更快更整洁

附带说明，如果您确实想使用 iterrows（不推荐），那么您可以像这样使用：

df = pd.DataFrame({'HomeTeam': ['a', 'b'], 'HV': np.nan})

df_new = pd.DataFrame()
for index,row in df.iterrows():
    if(row['HomeTeam']=='a'):
        row['HV'] = 65
    elif(row['HomeTeam']=='b'):
        row['HV'] = 55
    df_new = df_new.append(row)

df

    HomeTeam    HV
0   a   NaN
1   b   NaN

df_new

    HV  HomeTeam
0   65.0    a
1   55.0    b

Answer 3

如果每个团队的 HV 相同，您可以首先通过 dataframe 创建一个团队列表

teams = df['HomeTeam'].unique()

接下来，通过创建另一个具有 HV（我们称之为 df2）的 dataframe，您可以遍历列表并将值分配给它们。

for i in teams:
    df.loc[df['HomeTeam'].isin([i])] = df2['HV'].loc[df['HomeTeam'].isin([i])]