快捷導(dǎo)航

Pandas之pandas DataFrame iterrows詳解

更新時(shí)間：2025年04月16日 09:09:11 作者：liuweidong0802

這篇文章主要介紹了Pandas之pandas DataFrame iterrows,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

Pandas2.2 DataFrame

Indexing, iteration

方法	描述
DataFrame.head([n])	用于返回 DataFrame 的前幾行
DataFrame.at	快速訪問(wèn)和修改 DataFrame 中單個(gè)值的方法
DataFrame.iat	快速訪問(wèn)和修改 DataFrame 中單個(gè)值的方法
DataFrame.loc	用于基于標(biāo)簽（行標(biāo)簽和列標(biāo)簽）來(lái)訪問(wèn)和修改 DataFrame 中的數(shù)據(jù)
DataFrame.iloc	用于基于整數(shù)位置（行號(hào)和列號(hào)）來(lái)訪問(wèn)和修改 DataFrame 中的數(shù)據(jù)
DataFrame.insert(loc, column, value[, …])	用于在 DataFrame 的指定位置插入一個(gè)新的列
DataFrame.iter()	用于迭代 DataFrame 的列名
DataFrame.items()	用于迭代 DataFrame 的列名和列數(shù)據(jù)
DataFrame.keys()	返回 DataFrame 的列名
DataFrame.iterrows()	用于逐行迭代 DataFrame

pandas.DataFrame.iterrows()

pandas.DataFrame.iterrows() 方法用于逐行迭代 DataFrame，每次迭代返回一個(gè)包含行索引和行數(shù)據(jù)的元組。

行數(shù)據(jù)以 Series 對(duì)象的形式返回，其中索引是列名，值是該行對(duì)應(yīng)列的值。

語(yǔ)法：

for index, row in DataFrame.iterrows():
    # 處理行索引和行數(shù)據(jù)

示例：

假設(shè)我們有一個(gè) DataFrame 如下：

import pandas as pd

data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}

df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])
print(df)

輸出：

A B C
row1 1 4 7
row2 2 5 8
row3 3 6 9

迭代行索引和行數(shù)據(jù)

使用 iterrows() 方法逐行迭代 DataFrame：

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

輸出：

Index: row1
Row: A 1
B 4
C 7
Name: row1, dtype: int64

Index: row2
Row: A 2
B 5
C 8
Name: row2, dtype: int64

Index: row3
Row: A 3
B 6
C 9
Name: row3, dtype: int64

訪問(wèn)特定列的值

在迭代行數(shù)據(jù)時(shí)，訪問(wèn)特定列的值：

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

輸出：

Index: row1, A: 1, B: 4, C: 7
Index: row2, A: 2, B: 5, C: 8
Index: row3, A: 3, B: 6, C: 9

注意事項(xiàng)：

性能問(wèn)題: iterrows() 在處理大型 DataFrame 時(shí)性能較差，因?yàn)樗鼤?huì)將每一行轉(zhuǎn)換為 Series 對(duì)象，這會(huì)導(dǎo)致額外的開(kāi)銷(xiāo)。對(duì)于性能敏感的操作，建議使用 itertuples() 或向量化操作。
修改數(shù)據(jù): 在迭代過(guò)程中修改 DataFrame 的數(shù)據(jù)可能會(huì)導(dǎo)致不可預(yù)測(cè)的結(jié)果。如果需要修改數(shù)據(jù)，建議先創(chuàng)建一個(gè)副本或使用其他方法。