如何对pandas DataFrame数据进行历遍迭代

在 pandas 中，可以使用以下方法对 DataFrame 进行历遍迭代：

1. `iterrows()`: 遍历 DataFrame 的每一行，返回每一行的 index 和 row 数据。
2. `itertuples()`: 遍历 DataFrame 的每一行，返回一个命名元组，元组中的每个元素对应 DataFrame 中的每一列，速度比 `iterrows()` 快。
3. `iteritems()`: 遍历 DataFrame 的每一列，返回每一列的列名和列数据。

以下是对 DataFrame 进行历遍迭代的示例代码：

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 使用 iterrows() 遍历 DataFrame 的每一行
for index, row in df.iterrows():
    print(f"index: {index}, row: {row}")

# 使用 itertuples() 遍历 DataFrame 的每一行
for row in df.itertuples():
    print(row)

# 使用 iteritems() 遍历 DataFrame 的每一列
for column_name, column_data in df.iteritems():
    print(f"column name: {column_name}, column data: {column_data}")

输出结果：

index: 0, row: A    1
B    4
C    7
Name: 0, dtype: int64
index: 1, row: A    2
B    5
C    8
Name: 1, dtype: int64
index: 2, row: A    3
B    6
C    9
Name: 2, dtype: int64
Pandas(Index=0, A=1, B=4, C=7)
Pandas(Index=1, A=2, B=5, C=8)
Pandas(Index=2, A=3, B=6, C=9)
column name: A, column data: 0    1
1    2
2    3
Name: A, dtype: int64
column name: B, column data: 0    4
1    5
2    6
Name: B, dtype: int64
column name: C, column data: 0    7
1    8
2    9
Name: C, dtype: int64

以上三种方法各有优缺点，根据具体情况选择使用。