Pandas Dataframe數(shù)據(jù)幀的迭代之iterrows(),itertuples(),items()詳解

更新時間：2025年04月16日 09:17:53 作者：YH美洲大蠊

這篇文章主要介紹了Pandas Dataframe數(shù)據(jù)幀的迭代之iterrows(),itertuples(),items()使用,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教

Pandas Dataframe數(shù)據(jù)幀的迭代

迭代數(shù)據(jù)幀通常不是推薦的做法，因為 pandas 的設(shè)計初衷是向量化操作以提高效率。然而，在某些情況下，也可能需要逐行或逐列迭代數(shù)據(jù)。

需要注意的是，迭代數(shù)據(jù)幀的行或列可能會導(dǎo)致性能下降，特別是對于大型數(shù)據(jù)集。在可能的情況下，最好使用向量化操作來提高效率。

迭代行

1.使用 .iterrows()

.iterrows() 是一個生成器，它迭代數(shù)據(jù)幀的索引和行。
對于每一行，它返回一個包含索引和該行數(shù)據(jù)的元組。

import pandas as pd  

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

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

2.使用 .itertuples()

.itertuples() 方法比 .iterrows() 更快，因為它返回命名元組，這些元組在Python中的性能優(yōu)于字典。
返回的元組的第一個元素是行的索引，其余元素是行中的數(shù)據(jù)。
.itertuples() 返回的是命名元組，可以通過屬性名稱訪問這些元素，例如 row.A、row.B 等。

import pandas as pd  

df = pd.DataFrame({  
    'A': [10, 20, 30],  
    'B': [40, 50, 60],  
    'C': ['p', 'q', 'r']  
})  
  
for row in df.itertuples():  
    print(row)

'''
Pandas(Index=0, A=10, B=40, C='p')  
Pandas(Index=1, A=20, B=50, C='q')  
Pandas(Index=2, A=30, B=60, C='r')'''

迭代列

迭代列通常更簡單，因為可以直接迭代數(shù)據(jù)幀的列名或訪問列數(shù)據(jù)。

import pandas as pd  
  
# 創(chuàng)建一個DataFrame  
df = pd.DataFrame({  
    'A': [1, 2, 3],  
    'B': [4, 5, 6],  
    'C': [7, 8, 9]  
})  
  
# 方法1: 迭代列名  
for column in df.columns:  
    print(f"Column Name: {column}")  
    # 通過列名訪問列數(shù)據(jù)  
    print(df[column])   
  
# 方法2: 直接迭代DataFrame對象（默認迭代列名）  
for column in df:  
    print(f"Column Name: {column}")  
    print(df[column])  
  
# 方法3: 使用df.items()同時迭代列名和數(shù)據(jù)  
for column, data in df.items():  
    print(f"Column Name: {column}")  
    # data變量直接包含列數(shù)據(jù)，無需通過df[column]訪問  
    print(data)