pandas库快速遍历

pandas 是 Python 中用于数据分析的一个库，它提供了一系列快速、灵活和表达力强的数据结构，专门用于处理结构化（表格、多维、异质）和时间序列数据。快速遍历数据帧（DataFrame）或序列（Series）是 pandas 中常见的操作。

为了快速遍历 pandas 的 DataFrame 或 Series，通常会使用以下几种方法：

1. 使用 `.values` 或 `.to_numpy()` 获取数据帧或序列中的数据数组，然后使用循环进行遍历。
2. 使用 `.iterrows()` 或 `.itertuples()` 遍历 DataFrame 的每一行，前者返回索引和行数据组成的元组，后者以命名元组的形式返回，效率更高。
3. 使用 `.apply()` 方法可以对 DataFrame 或 Series 的列应用一个函数，这也是遍历的一种方式。

下面是使用这些方法的示例代码：

import pandas as pd

# 假设我们有一个DataFrame 'df'
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 方法1: 使用 .values 或 .to_numpy()
for row in df.values:
    print(row)

# 方法2: 使用 .iterrows()
for index, row in df.iterrows():
    print(f"Index: {index}, Row: {row}")

# 方法3: 使用 .itertuples()
for row in df.itertuples():
    print(f"Index: {row.Index}, A: {row.A}, B: {row.B}")

# 方法4: 使用 .apply()
def process(row):
    # 假设我们要处理每一行
    return row['A'] + row['B']

df['C'] = df.apply(process, axis=1)