Редактировать pandas dataframe row-by-row

pandas для python является опрятным. Я пытаюсь заменить список словарей на pandas -dataframe. Тем не менее, мне интересно, как легко изменить значения row-by-row в for-loop?

Здесь не-w462 > dict-версия:

trialList = [
    {'no':1, 'condition':2, 'response':''},
    {'no':2, 'condition':1, 'response':''},
    {'no':3, 'condition':1, 'response':''}
]  # ... and so on

for trial in trialList:
    # Do something and collect response
    trial['response'] = 'the answer!'

... и теперь trialList содержит обновленные значения, потому что trial ссылается на это. Очень удобно! Но список-dicts очень неудобен, особенно потому, что я хотел бы вычислить материал по столбцу, который pandas превосходит.

Итак, учитывая пробный список сверху, я мог бы сделать это еще лучше, выполнив что-то pandas -like:

import pandas as pd    
dfTrials = pd.DataFrame(trialList)  # makes a nice 3-column dataframe with 3 rows

for trial in dfTrials.iterrows():
   # do something and collect response
   trials[1]['response'] = 'the answer!'

... но trialList здесь не изменяется. Есть ли простой способ обновления значений по строкам, возможно, эквивалентный dict-версии? Важно, чтобы это было последовательно, так как это эксперимент, в котором участникам представлено множество испытаний, и различные данные собираются в каждом отдельном испытании.

Ответ 1

Если вам действительно нужны операции "поочередно", вы можете использовать iterrows и loc:

>>> for i, trial in dfTrials.iterrows():
...     dfTrials.loc[i, "response"] = "answer {}".format(trial["no"])
...     
>>> dfTrials
   condition  no  response
0          2   1  answer 1
1          1   2  answer 2
2          1   3  answer 3

[3 rows x 3 columns]

Лучше, хотя вы можете векторизовать:

>>> dfTrials["response 2"] = dfTrials["condition"] + dfTrials["no"]
>>> dfTrials
   condition  no  response  response 2
0          2   1  answer 1           3
1          1   2  answer 2           3
2          1   3  answer 3           4

[3 rows x 4 columns]

И всегда apply:

>>> def f(row):
...     return "c{}n{}".format(row["condition"], row["no"])
... 
>>> dfTrials["r3"] = dfTrials.apply(f, axis=1)
>>> dfTrials
   condition  no  response  response 2    r3
0          2   1  answer 1           3  c2n1
1          1   2  answer 2           3  c1n2
2          1   3  answer 3           4  c1n3

[3 rows x 5 columns]