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]

相关问题

遍历dataframe

要遍历DataFrame，可以使用以下几种方法：

1. 使用iterrows()方法按行遍历数据。这个方法返回一个迭代器，可以在循环中使用。例如，可以使用以下代码按行遍历DataFrame并访问每一行的元素：

   for index, row in df.iterrows():
       print(row['c1'])

2. 使用itertuples()方法按行遍历数据。这个方法返回一个迭代器，可以在循环中使用。它返回的是一个命名元组，其中包含每一行的索引和值。例如，可以使用以下代码按行遍历DataFrame并访问每一行的元素：

   for row in df.itertuples():
       print(row.c1)

3. 使用iteritems()方法按列遍历数据。这个方法返回一个迭代器，可以在循环中使用。它返回的是一个元组，其中包含每一列的列名和值。例如，可以使用以下代码按列遍历DataFrame并访问每一列的元素：

   for column, values in df.iteritems():
       print(values)

4. 使用iloc()方法按行列索引遍历数据。这个方法可以通过行和列的索引访问DataFrame中的元素。例如，可以使用以下代码按行列索引遍历DataFrame并访问每个元素：

   for i in range(df.shape

遍历DataFrame

要遍历 DataFrame，可以使用以下方法之一：

1. 使用 `iterrows()` 方法遍历 DataFrame 的每一行：

import pandas as pd

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

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

输出:

Alice 25
Bob 30
Charlie 35

2. 使用 `itertuples()` 方法遍历 DataFrame 的每一行，返回一个命名元组：

import pandas as pd

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

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

输出:

Alice 25
Bob 30
Charlie 35

3. 直接使用 `for` 循环遍历 DataFrame 的每一列，然后再用 `iterrows()` 或 `itertuples()` 遍历每一行：

import pandas as pd

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

for col in df.columns:
    print(col)
    for index, row in df.iterrows():
        print(row[col])

输出:

Name
Alice
Bob
Charlie
Age
25
30
35