如何按行遍历dataframe

可以使用pandas中的iterrows()函数：

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

或者使用at[]或iat[]索引：

for i in range(df.shape[0]):
    print(df.at[i, 'column_name'])

相关问题

按行遍历dataframe

按行遍历DataFrame可以使用iterrows()方法。iterrows()方法返回一个迭代器，可以逐行访问DataFrame的每一行数据。

以下是按行遍历DataFrame的示例代码：

import pandas as pd

# 创建一个示例DataFrame
data = {'Name': ['Tom', 'Nick', 'John'],
        'Age': [25, 30, 35],
        'City': ['New York', 'Paris', 'London']}
df = pd.DataFrame(data)

# 使用iterrows()方法按行遍历DataFrame
for index, row in df.iterrows():
    print(f"Index: {index}")
    print(f"Name: {row['Name']}")
    print(f"Age: {row['Age']}")
    print(f"City: {row['City']}")
    print()

输出结果：

Index: 0
Name: Tom
Age: 25
City: New York

Index: 1
Name: Nick
Age: 30
City: Paris

Index: 2
Name: John
Age: 35
City: London

遍历 DATAFRAME

遍历DataFrame有多种方法可以实现。一种常见的方法是使用iterrows()函数，它可以按行遍历DataFrame的数据。使用iterrows()函数时，可以使用for循环来遍历每一行的数据，并通过索引访问每个元素。[1]

另一种方法是使用itertuples()函数，它可以按行遍历DataFrame的数据，并返回一个命名元组，其中包含每一行的索引和值。通过使用for循环来遍历每个命名元组，可以访问每个元素。[1][2]

如果你想按列遍历DataFrame的数据，可以使用iteritems()函数。iteritems()函数返回一个迭代器，其中包含每一列的标签和值。通过使用for循环来遍历每个迭代器，可以访问每个元素。[1]

以下是一个示例代码，展示了如何使用iterrows()函数遍历DataFrame的数据：[3]

for index, row in data.iterrows():
    for column in row:
        print(column)

请注意，根据数据类型，迭代器返回的是数据的副本而不是数据视图，因此在迭代过程中修改数据不会产生任何效果。[2]