python pandas 按行处理

在pandas中，按行处理数据有几种常见的方法。下面我将介绍其中的两种方法：使用迭代和使用apply函数。

1. 使用迭代：
可以使用iterrows()方法来遍历DataFrame的每一行，并对每一行执行相应的操作。示例代码如下：

   import pandas as pd

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

   # 使用iterrows()方法遍历每一行
   for index, row in df.iterrows():
       # 对每一行执行相应的操作
       print(row['A'], row['B'])

在上述示例中，我们使用iterrows()方法遍历了DataFrame的每一行，并打印了每一行的'A'和'B'列的值。

2. 使用apply函数：
apply函数可以在DataFrame的行或列上应用指定的函数。示例代码如下：

   import pandas as pd

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

   # 定义一个函数，对每一行执行相应的操作
   def process_row(row):
       # 在这里进行相应的操作
       return row['A'] + row['B']

   # 使用apply函数应用process_row函数到每一行
   df['C'] = df.apply(process_row, axis=1)

在上述示例中，我们定义了一个process_row函数，对每一行执行相应的操作（这里是将'A'列和'B'列的值相加）。然后，我们使用apply函数将process_row函数应用到DataFrame的每一行，并将结果保存在新的列'C'中。

这些是按行处理数据的两种常见方法，你可以根据具体的需求选择合适的方法来处理数据。