for 循环遍历每一行/列

使用 for 循环可以遍历 DataFrame 中的每一行或每一列。需要使用 iterrows() 方法遍历每一行，或者使用 iteritems() 方法遍历每一列。

代码如下：

代码语言：javascript代码运行次数：0运行复制import pandas as pd

# 创建 DataFrame

data = {

'name': ['Alice', 'Bob', 'Charlie'],

'age': [25, 30, 35],

'gender': ['F', 'M', 'M']

}

df = pd.DataFrame(data)

# 遍历每一行

for index, row in df.iterrows():

print(f"Index: {index}, Row: {row['name']}, {row['age']}, {row['gender']}")

# 遍历每一列

for column, value in df.iteritems():

print(f"Column: {column}")

print(value)apply() 方法apply() 方法可以应用一个函数到 DataFrame 中的每一个元素，返回一个新的 DataFrame。

代码语言：javascript代码运行次数：0运行复制import pandas as pd

# 创建 DataFrame

data = {

'name': ['Alice', 'Bob', 'Charlie'],

'age': [25, 30, 35],

'gender': ['F', 'M', 'M']

}

df = pd.DataFrame(data)

# 定义一个函数，对每一个元素加 1

def add_one(x):

return x + 1

# 应用函数到 DataFrame

df_new = df.apply(add_one)

print(df_new)代码语言：javascript代码运行次数：0运行复制import pandas as pd

df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

df["C"] = df["B"].apply(lambda x: x * 2)输出结果如下：

代码语言：javascript代码运行次数：0运行复制 A B C

0 1 3 6

1 2 4 8其中，apply方法接受一个函数作为参数，该函数的输入是该列的每一个值，输出是计算结果。

applymap() 方法applymap() 方法可以应用一个函数到 DataFrame 中的每一个元素，返回一个新的 DataFrame。

代码语言：javascript代码运行次数：0运行复制import pandas as pd

# 创建 DataFrame

data = {

'name': ['Alice', 'Bob', 'Charlie'],

'age': [25, 30, 35],

'gender': ['F', 'M', 'M']

}

df = pd.DataFrame(data)

# 定义一个函数，对每一个元素加 1

def add_one(x):

return x + 1

# 应用函数到 DataFrame

df_new = df.applymap(add_one)

print(df_new)map() 方法map() 方法可以应用一个函数到 Series 中的每一个元素，返回一个新的 Series。

代码语言：javascript代码运行次数：0运行复制import pandas as pd

# 创建 Series

s = pd.Series([1, 2, 3])

# 定义一个函数，对每一个元素加 1

def add_one(x):

return x + 1

# 应用函数到 Series

s_new = s.map(add_one)

print(s_new)iterrows()方法pandas提供了多种方法来遍历DataFrame的行数据，主要有iterrows、itertuples和apply等。其中，iterrows方法返回一个迭代器，可以逐行遍历DataFrame，返回每一行数据的索引和值。它的基本使用方法如下：

代码语言：javascript代码运行次数：0运行复制import pandas as pd

df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

for index, row in df.iterrows():

print(index, row)输出结果如下：

代码语言：javascript代码运行次数：0运行复制0 A 1

B 3

1 A 2

B 4

dtype: int64其中，index是每一行数据的索引，row是一个Series对象，表示该行数据。我们可以通过row[“列名”]或row.列名的方式来获取指定列的值。

iteritems()方法iteritems()方法以 (列标签，列) 的形式遍历 DataFrame 的列。它返回一个迭代器，其中每个元素都是一个元组，元组中包含列标签和对应列的 Pandas Series。

例如：

代码语言：javascript代码运行次数：0运行复制for col_label, column in df.iteritems():

print(col_label)

print(column)itertuples()方法itertuples()方法以命名元组的形式遍历 DataFrame 的行。返回的每个命名元组都代表 DataFrame 中的一行。这种方法比 iterrows() 更快。

示例如下：

代码语言：javascript代码运行次数：0运行复制for row in df.itertuples(index=False):

print(row)代码语言：javascript代码运行次数：0运行复制import pandas as pd

df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

for row in df.itertuples():

print(row.Index, row.A, row.B)总的来说，对于大型的 Pandas DataFrame，应该尽量避免使用循环遍历，而是使用 Pandas 内置的方法，如 apply() 和 applymap() 等。这些方法能够更快速、高效地操作 DataFrame。

参考：https://pythonjishu.com/pandas-6-traversal-method/

https://www.python100.com/html/113031.html