遍历 DataFrame ，获取行和列的小标

在Pandas库中，DataFrame是一个二维表格型数据结构，它可以有行索引（index）和列索引（columns）。遍历DataFrame的行和列小标（即索引）通常可以通过迭代的方式完成。

获取行小标（Index of Rows）：

df = pd.DataFrame(...)  # 假设df是你的DataFrame
for index, row in df.iterrows():  # iterrows()返回行索引和对应的行数据
    print(index)  # 打印当前行的行小标

获取列小标（Columns Index）：

column_names = df.columns  # 列名就是列的小标
for col in column_names:
    print(col)

如果你想同时遍历行和列，可以先获取列索引，然后用它们作为行索引：

for i, col_name in enumerate(df.columns):  # enumerate用于同时获取索引和值
    for j, value in df[col_name].iteritems():  # 对于每列，再遍历其每一项
        print(f"Row {i}, Column {col_name}: {value}")

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。

如何遍历Pandas DataFrame中的每一行和每一列数据？

在Pandas DataFrame中，可以使用不同的方法来遍历行和列数据：

1. **遍历行**[^1]:
- 使用`iterrows()`函数：它返回DataFrame的一个迭代器，每次迭代会返回一个包含索引（行标签）和行数据的元组。

   df.iterrows()

或者更具体地访问特定列的数据：

   for index, row in df.iterrows():
       print(f"Row {index}: {row['column_name']}")

2. **遍历列**:
- 直接通过列名获取Series对象，可以直接操作：

   for column in df.columns:
       print(column)

或者使用`itertools.product()`结合`df.T`（转置后的DataFrame）获取所有可能的列组合：

   from itertools import product
   for cols in product(df.columns, repeat=2):
       print(cols)

3. **使用`itertuples()`**[^2] 函数：
这个函数返回的是一个包含DataFrame每一行的命名元组，可以直接通过列名访问数据：

   for tup in df.itertuples(index=False):  # 不包含索引
       print(tup.column_name)

注意，`itertuples()`方法通常比`iterrows()`更快，因为它不创建完整的DataFrame副本。