pandas读取CSV时for循环遍历逻辑及取数异常解决
核心逻辑错误根源
当前循环完全踩中了pandas迭代的常见误区:
- 直接对
p1(也就是DataFrame对象)执行for row in p1时,迭代返回的不是逐行数据,而是所有列的列名字符串。比如你这里的列是x_coord、y_coord、z_coord,第一次循环拿到的row就是字符串'x_coord',第二次是'y_coord',以此类推 - 紧接着你对这个字符串类型的
row再做内层循环,自然会把每个列名拆成单个字符,最终输出零散的_、c、o这类拆分后的字符,完全没有读取到实际存储的行数据
逐行读取的正确写法
你需要拿到的输出是每行对应的原子名、三个维度的坐标,适配你现有读取逻辑的修正代码如下:
import numpy as np import pandas as pd # 现有CSV读取逻辑保持不变 p1 = pd.read_csv('1xao.csv', index_col='atom_name', usecols=['atom_name','x_coord','y_coord','z_coord']) print('info in csv', p1) # 用pandas内置的逐行迭代方法替换原有错误循环 # iterrows() 每次迭代会返回两个值:当前行的索引值、当前行的全部数据(Series类型) for atom_name, row_data in p1.iterrows(): # 因为你把atom_name设为了DataFrame索引,直接取第一个返回值就是原子名 a = atom_name # 按列名从行数据中取坐标值 x = row_data['x_coord'] y = row_data['y_coord'] z = row_data['z_coord'] print('after the for loop', a, x, y, z)
可选优化:调整读取逻辑让遍历更直观
如果不需要把atom_name设为索引,可以在读取CSV时去掉index_col参数,让原子名成为普通列,遍历的时候逻辑更统一,不需要单独从索引取值:
# 去掉index_col设置,atom_name作为普通列存储 p1 = pd.read_csv('1xao.csv', usecols=['atom_name','x_coord','y_coord','z_coord']) for _, row_data in p1.iterrows(): a = row_data['atom_name'] x = row_data['x_coord'] y = row_data['y_coord'] z = row_data['z_coord'] print(a, x, y, z)
常见踩坑提醒
- 不要用
row[1]这类数字下标直接从行数据里取值:pandas的行数据是按列名做索引的,数字下标取位置值需要用iloc方法,比如row_data.iloc[0]才是按位置取第一列的值,直接写row[0]会触发KeyError - 你当前的数据集只有1782行,用
iterrows()遍历的性能完全足够,不需要额外做复杂优化;如果后续处理十万行以上的大规模坐标数据,可以换用itertuples()方法提升遍历速度
内容的提问来源于stack exchange,提问作者Paola Estrada
相关产品推荐
相关产品推荐

