for _, row in tasks.iterrows(): 이구문에 대해서

for _, row in tasks.iterrows(): 구문은 pandas DataFrame의 각 행을 순회하는 효율적인 방법입니다. 이 구문을 이해하기 위해 각 부분의 역할을 자세히 알아볼게요.

 

예시파일

tasks.iterrows()

tasks.iterrows()는 pandas DataFrame인 tasks의 모든 행을 반복 가능한(iterable) 객체로 만들어줍니다. 이 객체는 반복할 때마다 **(인덱스, 행 데이터)**의 쌍을 튜플 형태로 반환합니다.

for _, row in ...

for 반복문은 tasks.iterrows()가 반환하는 튜플을 받아, _와 row 변수에 할당합니다.

• _ (언더스코어): 첫 번째 요소인 인덱스를 받습니다. 파이썬에서 변수 이름으로 _를 사용하는 것은 "이 변수의 값은 사용하지 않겠다"는 의미의 관용적인 표현입니다.
• row: 두 번째 요소인 **행 데이터(Series 객체)**를 받습니다. 이 row 변수를 통해 해당 행의 특정 열에 접근할 수 있습니다. 예를 들어, row['할일']이나 row['소요시간']과 같이 사용할 수 있습니다.

왜 iterrows()를 사용할까?

iterrows()를 사용하면 DataFrame의 모든 행에 대해 특정 작업을 수행할 수 있습니다. 특히, 각 행의 데이터를 기반으로 조건문을 사용하거나 계산을 할 때 매우 유용합니다.

예시 코드:

Python

 

import pandas as pd

# 예시 DataFrame 생성
data = {'할일': ['공부하기', '운동하기'], '소요시간': [120, 60]}
tasks = pd.DataFrame(data)

# iterrows()를 사용하여 각 행을 순회
for _, row in tasks.iterrows():
    print(f"할 일: {row['할일']}, 소요 시간: {row['소요시간']}분")

# 출력 결과:
# 할 일: 공부하기, 소요 시간: 120분
# 할 일: 운동하기, 소요 시간: 60분

요약하면, for _, row in tasks.iterrows():는 DataFrame의 각 행 데이터를 row 변수로 가져와 반복문을 실행하며, 인덱스는 사용하지 않겠다는 뜻입니다. 🤓