python如何遍历dataframe行数据

可以使用 iterrows() 函数，该函数可以将 dataframe 的每一行转换为一个元组，元组包含索引和该行的值。示例代码如下：

import pandas as pd

# 创建 dataframe
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'],
                   'age': [25, 30, 35],
                   'city': ['Beijing', 'Shanghai', 'Guangzhou']})

# 遍历 dataframe 的每一行
for index, row in df.iterrows():
    print(index, row['name'], row['age'], row['city'])

输出：

0 Alice 25 Beijing
1 Bob 30 Shanghai
2 Charlie 35 Guangzhou

以上是如何使用 Python 遍历 dataframe 行数据的方法。

相关问题

python以dataframe格式遍历dataframe数据

在Python中，Pandas库的数据结构DataFrame是一个二维表格，非常适合处理结构化数据。遍历DataFrame数据通常有以下几种常见方法：

1. **迭代行**:

for index, row in df.iterrows():
    print(row)

这里，`index`代表行索引，`row`代表该行的所有列。

2. **迭代列**:

for col_name in df.columns:
    print(col_name, ": ", df[col_name].values.tolist())

这将逐列打印出每列的值。

3. **迭代元素**:

for i, j in df.items():  # 或 df.iteritems()
    print(i, ":", j)

这里，`i`代表行名，`j`包含对应行的所有列值。

4. **通过索引访问并遍历**:

for i in df.index:
    print(df.loc[i])

`loc`函数用于基于位置或标签获取数据。

5. **使用`.apply()`或`.map()`函数进行列级操作**:

df['new_column'] = df['old_column'].apply(lambda x: process_data(x))

这会应用给定的函数到每一项数据上。

python循环遍历dataframe，按照行

你可以使用 `iterrows()` 方法来遍历 DataFrame 中的每一行，该方法将返回一个元组，其中包含行索引和该行的数据。以下是一个示例代码：

import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})

# 使用 iterrows() 方法遍历 DataFrame
for index, row in df.iterrows():
    print(f"Index: {index}, Name: {row['name']}, Age: {row['age']}")

输出结果如下：

Index: 0, Name: Alice, Age: 25
Index: 1, Name: Bob, Age: 30
Index: 2, Name: Charlie, Age: 35