Pandas Dataframe数据帧的迭代

迭代数据帧通常不是推荐的做法，因为

1. pandas

复制代码

的设计初衷是向量化操作以提高效率。然而，在某些情况下，也可能需要逐行或逐列迭代数据。
需要注意的是，迭代数据帧的行或列可能会导致性能下降，特别是对于大型数据集。在可能的情况下，最好使用向量化操作来提高效率。

迭代行

1.使用

1. .iterrows()

复制代码

• 1. .iterrows()

  复制代码
  是一个生成器，它迭代数据帧的索引和行。
  
• 对于每一行，它返回一个包含索引和该行数据的元组。
  

1. import pandas as pd  
   
2. 
   
3. df = pd.DataFrame({  
   
4.     'A': [1, 2, 3],  
   
5.     'B': [4, 5, 6],  
   
6.     'C': [7, 8, 9]  
   
7. })  
   
8. 
   
9. for index, row in df.iterrows():  
   
10.     print(f"Index: {index}")  
    
11.     print(row)  

复制代码

2.使用

1. .itertuples()

复制代码

• 1. .itertuples()

  复制代码
  方法比
  1. .iterrows()

  复制代码
  更快，因为它返回命名元组，这些元组在Python中的性能优于字典。
  
• 返回的元组的第一个元素是行的索引，其余元素是行中的数据。
  
• 1. .itertuples()

  复制代码
  返回的是命名元组，可以通过属性名称访问这些元素，例如
  1. row.A

  复制代码
  、
  1. row.B

  复制代码
  等。
  

1. import pandas as pd  
   
2. 
   
3. df = pd.DataFrame({  
   
4.     'A': [10, 20, 30],  
   
5.     'B': [40, 50, 60],  
   
6.     'C': ['p', 'q', 'r']  
   
7. })  
   
8.   
   
9. for row in df.itertuples():  
   
10.     print(row)
    
11. 
    
12. '''
    
13. Pandas(Index=0, A=10, B=40, C='p')  
    
14. Pandas(Index=1, A=20, B=50, C='q')  
    
15. Pandas(Index=2, A=30, B=60, C='r')'''

复制代码

迭代列

迭代列通常更简单，因为可以直接迭代数据帧的列名或访问列数据。

1. import pandas as pd  
   
2.   
   
3. # 创建一个DataFrame  
   
4. df = pd.DataFrame({  
   
5.     'A': [1, 2, 3],  
   
6.     'B': [4, 5, 6],  
   
7.     'C': [7, 8, 9]  
   
8. })  
   
9.   
   
10. # 方法1: 迭代列名  
    
11. for column in df.columns:  
    
12.     print(f"Column Name: {column}")  
    
13.     # 通过列名访问列数据  
    
14.     print(df[column])   
    
15.   
    
16. # 方法2: 直接迭代DataFrame对象（默认迭代列名）  
    
17. for column in df:  
    
18.     print(f"Column Name: {column}")  
    
19.     print(df[column])  
    
20.   
    
21. # 方法3: 使用df.items()同时迭代列名和数据  
    
22. for column, data in df.items():  
    
23.     print(f"Column Name: {column}")  
    
24.     # data变量直接包含列数据，无需通过df[column]访问  
    
25.     print(data)  

复制代码

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

来源：https://www.jb51.net/python/339690ad7.htm
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！