python循环dataframe

### 如何在Python中循环遍历Pandas DataFrame

对于想要逐行处理数据的需求，可以采用多种方法来遍历Pandas中的DataFrame对象。以下是几种常见的方式：

#### 使用`iterrows()`函数
此方式适合于需要访问每一行的数据并执行某些操作的情况。需要注意的是，当涉及到修改原始数据时应谨慎使用该方法。

import pandas as pd

df = pd.DataFrame({
    'A': ['foo', 'bar', 'baz'],
    'B': [1, 2, 3],
})

for index, row in df.iterrows():
    print(f'Index: {index}, Column A Value: {row["A"]}, Column B Value: {row["B"]}')

这种方法简单直观，但是效率较低，尤其是在大数据集上[^1]。

#### 应用`itertuples()`
相比`iterrows()`而言，`itertuples()`提供了更快的速度以及更方便的属性访问语法。它返回命名元组而不是Series对象，因此性能更好。

for row in df.itertuples():
    print(f'Index: {row.Index}, Column A Value: {row.A}, Column B Value: {row.B}')

这种方式不仅提高了速度而且保持了良好的可读性。

#### 利用向量化运算代替显式循环
如果可能的话，尽量利用Pandas内置的支持向量化的函数来进行批量计算，这通常会带来显著的性能提升。例如，假设要对某一列应用某个转换，则可以直接调用`.apply()`或其他相应的方法而无需手动编写循环结构。

def process_value(x):
    return x * 2

df['C'] = df['B'].apply(process_value)
print(df)

上述代码片段展示了如何通过定义一个简单的变换函数并将之应用于整个列上的每一个元素，从而实现高效的操作[^2]。