pandas dataframe 遍历

Pandas DataFrame 遍历指的是对 DataFrame 中的每一个元素进行访问，通常使用 for 循环来实现。可以使用 loc、iloc、iterrows 等方法进行遍历。遍历可以方便地对 DataFrame 进行数据处理和分析。

相关问题

pandas dataframe 如何遍历

Pandas DataFrame 可以使用以下方法进行遍历：

1. 使用 iterrows() 方法，该方法返回一个迭代器，在每次迭代中返回 DataFrame 的每一行的索引和对应的值。示例代码如下：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]}
df = pd.DataFrame(data)

for index, row in df.iterrows():
    print(index, row['name'], row['age'])

2. 使用 itertuples() 方法，该方法返回一个迭代器，在每次迭代中返回一个命名元组，其中包含每一行的索引和对应的值。示例代码如下：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]}
df = pd.DataFrame(data)

for row in df.itertuples():
    print(row.Index, row.name, row.age)

3. 使用 apply() 方法，该方法可以对 DataFrame 的每一列进行操作。示例代码如下：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]}
df = pd.DataFrame(data)

def print_row(row):
    print(row['name'], row['age'])

df.apply(print_row, axis=1)

以上是三种常见的遍历 Pandas DataFrame 的方法，可以根据实际需求选择适合的方法。

dataframe 遍历

Pandas DataFrame 可以通过多种方式进行遍历。

1. 使用 iterrows() 方法遍历

使用 iterrows() 方法可以返回每行的索引和数据，可以使用 for 循环遍历每行，如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

for index, row in df.iterrows():
    print(index, row['Name'], row['Age'])

2. 使用 itertuples() 方法遍历

使用 itertuples() 方法可以返回每行数据的命名元组，该元组包含每列的值和行的索引，可以使用 for 循环遍历每行，如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

for row in df.itertuples():
    print(row.Index, row.Name, row.Age)

3. 使用 loc[] 方法遍历

使用 loc[] 方法可以通过行和列的标签访问 DataFrame 的元素，可以使用 for 循环遍历每行，如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

for index in df.index:
    print(index, df.loc[index, 'Name'], df.loc[index, 'Age'])

4. 使用 iloc[] 方法遍历

使用 iloc[] 方法可以通过行和列的整数位置访问 DataFrame 的元素，可以使用 for 循环遍历每行，如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

for i in range(len(df)):
    print(i, df.iloc[i]['Name'], df.iloc[i]['Age'])

以上是四种常见的 DataFrame 遍历方法，根据具体的应用场景可以选择合适的方法。