我声明我不是 pytho 专家。通过这篇文章，我想了解如何使用上述进程中的锁定值迭代进程（例如：for 循环）。
我将逐步解释我在寻找什么。一开始我构建了一个数据框。
import pandas as pd
# Build the Dataframe
data = {'Col_1' : pd.Series(list(range(10,53,3))),
'Col_2' : pd.Series(list(range(30,45))),
'Col_3' : pd.Series([0,0,1,0,0,-1,0,0,1,0,0,0,-1,0,0])}
data = pd.DataFrame(data)
data['Result'] = 0
data['Result_1'] = 0
# Define a constant
c = 2
下面是上面代码的结果。
Col_1 Col_2 Col_3 Result Result_1
0 10 30 0 0 0
1 13 31 0 0 0
2 16 32 1 0 0
3 19 33 0 0 0
4 22 34 0 0 0
5 25 35 -1 0 0
6 28 36 0 0 0
7 31 37 0 0 0
8 34 38 1 0 0
9 37 39 0 0 0
10 40 40 0 0 0
11 43 41 0 0 0
12 46 42 -1 0 0
13 49 43 0 0 0
14 52 44 0 0 0
话虽如此，我想创建一个迭代过程（例如：for 循环），它追求以下条件：
如果 Col_3 = 1 锁定 Col_1 中的值，则使用最后一个执行 Col_2 中的操作，直到 Col_3 中的值变为 -1，并将结果放入 'Result' 列。
如果 Col_3 = -1 使用前一个点的锁定值，则对“前一个点”执行相同的操作，另外对定义的常量 'c' 获得的结果进行乘法运算。将结果放入“Result_1”列。
否则，将 0 个值放入两列（'Result' 和 'Result_1'）。
下面显示了迭代过程必须如何工作。
Col_1 Col_2 Col_3 Result Result_1
0 10 30 0 0 0
1 13 31 0 0 0
2 16 32 1 (16-32) 0
3 19 33 0 (16-33) 0
4 22 34 0 (16-34) 0
5 25 35 -1 0 (16-35)*c
6 28 36 0 0 0
7 31 37 0 0 0
8 34 38 1 (34-38) 0
9 37 39 0 (34-39) 0
10 40 40 0 (34-40) 0
11 43 41 0 (34-41) 0
12 46 42 -1 0 (34-42)*c
13 49 43 0 0 0
14 52 44 0 0 0
下面显示了预期的数据框。
Col_1 Col_2 Col_3 Result Result_1
0 10 30 0 0 0
1 13 31 0 0 0
2 16 32 1 -16 0
3 19 33 0 -17 0
4 22 34 0 -18 0
5 25 35 -1 0 -38
6 28 36 0 0 0
7 31 37 0 0 0
8 34 38 1 -4 0
9 37 39 0 -5 0
10 40 40 0 -6 0
11 43 41 0 -7 0
12 46 42 -1 0 -16
13 49 43 0 0 0
14 52 44 0 0 0
总之，我知道我可以在不使用迭代器的情况下以更简单的方式获得相同的结果，但在这种特定情况下，我正在寻找可以解释我如何通过使用迭代器完成迄今为止解释的过程的人（迭代器可以是 for 循环、while 或其他东西）。
在此先感谢您的任何帮助！
一种方法是data使用for-loop迭代索引：
on = False # Switch starts with off (= False)
for i in data.index:
if on:
if data.at[i, 'Col_3'] == -1: # Check if -1 in Col_3 is reached
on = False # Switch off (= False)
data.at[i, 'Result_1'] = c * (col_1 - data.at[i, 'Col_2'])
else:
data.at[i, 'Result'] = col_1 - data.at[i, 'Col_2']
else:
if data.at[i, 'Col_3'] == 1: # Check if 1 in Col_3 is reached
on = True # Switch on (= True)
col_1 = data.at[i, 'Col_1'] # Store value of Col_1 in this position
data.at[i, 'Result'] = col_1 - data.at[i, 'Col_2']
该变量on跟踪程序是否处于哪个“阶段”（在 Col_3 中是否介于 1 和 -1 之间）。
一个版本与while该迭代索引：
iterator = iter(data.index)
while True:
try:
i = next(iterator)
except StopIteration:
break
if data.at[i, 'Col_3'] == 1: # Check for 1 in Col_3
col_1 = data.at[i, 'Col_1'] # Store value of Col_1 in this position
while data.at[i, 'Col_3'] != -1:
data.at[i, 'Result'] = col_1 - data.at[i, 'Col_2']
try:
i = next(iterator)
except StopIteration:
break
# Value -1 in Col_3 reached
data.at[i, 'Result_1'] = c * (col_1 - data.at[i, 'Col_2'])
如果没有，for则需要使用 显式完成迭代next()。这是在try-except块内完成以捕获StopIteration异常然后break退出循环。如果你想看看会发生什么而不抓住它，试试：
iterator = iter(data.index)
while True:
next(iterator)
在这两个版本中，我都省略了第 3 步，因为零已经存在。
一般来说：for循环是一个更“受控”的环境。while循环通常提供更多的灵活性，但需要显式迭代。
（还有其他迭代 DataFrame 的方法，例如data.iterrows()或data.itertuples()。）
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句