Pandas | 遍历行、遍历列

原创已于 2024-01-11 14:54:21 修改 · 1.3w 阅读

43 ·

CC 4.0 BY-SA版权

文章标签：

#pandas #python #Python学习 #数据分析 #pdf

于 2023-12-15 09:47:40 首次发布

Pandas遍历DataFrame的行
迭代range(len(df))
迭代df.iterrrows()
迭代df.itertuples()
Pandas遍历DataFrame的列
迭代df.items()
迭代df.columns

Pandas遍历DataFrame的行

迭代range(len(df))
迭代df.iterrows()
迭代df.itertuples()

import pandas as pd

# 创建示例 DataFrame
data = {'姓名': ['张三', '李四', '王五'],
        '年龄': [25, 30, 35],
        '城市': ['北京', '深圳', '上海']}
df = pd.DataFrame(data)

迭代range(len(df))

range(len(df))返回的是序数迭代器，通过iloc的方式访问每一行。

for i in range(len(df)):
    # 访问第i行的姓名列
    print(df.iloc[i]['姓名'])

结果为：

张三
李四
王五

迭代df.iterrrows()

按行遍历，将 DataFrame 的每一行迭代为 (index, Series) 对，可以通过 row[name] 或 row.name 对元素进行访问。

# 循环遍历每一行
for index, row in df.iterrows():
    # 该行的索引
    print(index) 
    # 获取该行的某个字段值
    print(row['姓名'])

结果为：

0
张三
1
李四
2
王五

迭代df.itertuples()

按行遍历，将 DataFrame 的每一行迭代为命名元祖，可以通过 row.name 对元素进行访问，比 iterrows 效率高。「通过这种迭代无法对原始数据进行修改。」

for t in df.itertuples():
    print(t)
    print(t.姓名)

结果为：

Pandas(Index=0, 姓名='张三', 年龄=25, 城市='北京')
张三
Pandas(Index=1, 姓名='李四', 年龄=30, 城市='深圳')
李四
Pandas(Index=2, 姓名='王五', 年龄=35, 城市='上海')
王五

Pandas遍历DataFrame的列

迭代df.items()
迭代df.columns

迭代df.items()

按列遍历，将 DataFrame 的每一列迭代为 (column, Series) 对，可以通过 data[index] 对元素进行访问。

for column, data in df.items():
    # 列名
    print(column)   
    # 访问列数据
    print(data)
    # 访问列中的第1个元素
    print(data[0])

结果为：

姓名
0    张三
1    李四
2    王五
Name: 姓名, dtype: object
张三
年龄
0    25
1    30
2    35
Name: 年龄, dtype: int64
25
城市
0    北京
1    深圳
2    上海
Name: 城市, dtype: object
北京

迭代df.columns

DataFrame对象有一个columns的属性，可返回列的索引。通过该索引，我们可以对DataFrame的列进行遍历。

for c in df.columns:
    # 列名
    print(c)   
    # 访问列
    print(df[c])    
    # 访问列中的第1个元素
    print(df[c][0])

结果为：

姓名
0    张三
1    李四
2    王五
Name: 姓名, dtype: object
张三
年龄
0    25
1    30
2    35
Name: 年龄, dtype: int64
25
城市
0    北京
1    深圳
2    上海
Name: 城市, dtype: object
北京