polars.DataFrame.iter_rows

DataFrame.iter_rows(
    *,
    named: bool = False,
    buffer_size: int = 512,
) → Iterator[tuple[Any, ...]] | Iterator[dict[str, Any]]

Возвращает итератор по строкам DataFrame, содержащим значения в нативном для Python формате.

Параметры:

named

Возвращать словари вместо кортежей. Словари сопоставляют имя столбца со значением в строке. Этот вариант затратнее, чем возврат обычного кортежа, но позволяет обращаться к значениям по имени столбца.

buffer_size

Определяет количество строк, буферизуемых во время итерации по данным; изменять это значение следует только в особых случаях, когда стандартное значение не подходит для вашего сценария доступа к данным, поскольку использование буфера значительно увеличивает скорость (~в 2–4 раза). Установка этого значения в ноль отключает буферизацию строк (не рекомендуется).

Возвращает:

итератор кортежей (по умолчанию) или словарей (если задано named) со значениями строк в формате Python

Предупреждение

Итерация по строкам не оптимальна, поскольку исходные данные хранятся в столбцовом формате; по возможности используйте один из специализированных методов экспорта/вывода, предназначенных для работы со столбцовыми данными.

См. также

rows

Материализует все данные фрейма в виде списка строк (может быть затратной операцией).

rows_by_key

Материализует данные фрейма в виде словаря с ключами-индексами.

Примечания

Если у вас есть временные значения с точностью ns, учтите, что Python изначально поддерживает точность только до μs; значения с точностью ns при преобразовании в Python будут усечены до микросекунд. Если это важно для вашего сценария использования, экспортируйте данные в другой формат (например, Arrow или NumPy).

Примеры

>>> df = pl.DataFrame(
...     {
...         "a": [1, 3, 5],
...         "b": [2, 4, 6],
...     }
... )
>>> [row[0] for row in df.iter_rows()]
[1, 3, 5]
>>> [row["b"] for row in df.iter_rows(named=True)]
[2, 4, 6]