极客笔记pandas 遍历所有行
1. 引言
在数据处理和分析的过程中，经常需要对数据集中的每一行进行处理。而pandas是一个功能强大的数据分析库，提供了丰富的方法来处理和操作数据。本文将介绍如何使用pandas遍历所有行，并对每一行进行操作。
2. pandas 简介
pandas是基于NumPy的一个开源数据分析和操作库。它提供了一种灵活且高效的数据结构，可以帮助我们进行数据的清洗、整理、变换和分析等任务。pandas的两个主要的数据结构是Series（一维数据）和DataFrame（二维数据表）。
3. pandas.DataFrame的遍历方法
pandas中DataFrame是最常用的数据结构，它可以看作是一个类似于二维表格的数据结构。在遍历DataFrame中的所有行时，我们可以使用以下几种方法：
3.1 使用iterrows()方法遍历
iterrows()方法可以将每一行表示为(index, Series)的形式。它搭配for循环使用，可以方便地遍历DataFrame的每一行，如下所示：
import pandas as pd
# 创建一个示例DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
'Age': [21, 22, 23, 24],
'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)
# 遍历DataFrame的每一行
for index, row in df.iterrows():
print('Index:', index)
print('Row:', row)
print('---------')
上述代码输出为：
Index: 0
Row: Name Tom
Age 21
City New York
Name: 0, dtype: object
---------
Index: 1
Row: Name Nick
Age 22
City Paris
Name: 1, dtype: object
---------
Index: 2
Row: Name John
Age 23
City London
Name: 2, dtype: object
---------
Index: 3
Row: Name Amy
Age 24
City Tokyo
Name: 3, dtype: object
---------
可以看到，iterrows()方法返回的index是DataFrame的索引值，row则是一个Series类型的数据，包含了每一行的具体数据。
3.2 使用itertuples()方法遍历
itertuples()方法也可以用来遍历DataFrame的每一行。它返回一个具有namedtuple属性的迭代器，包含了每一行数据的索引和具体值，示例代码如下：
import pandas as pd
# 创建一个示例DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
'Age': [21, 22, 23, 24],
'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)
# 遍历DataFrame的每一行
for row in df.itertuples():
print('Index:', row.Index)
print('Value:', row)
print('---------')
上述代码输出为：
Index: 0
Value: Pandas(Index=0, Name='Tom', Age=21, City='New York')
---------
Index: 1
Value: Pandas(Index=1, Name='Nick', Age=22, City='Paris')
---------
Index: 2
Value: Pandas(Index=2, Name='John', Age=23, City='London')
---------
Index: 3
Value: Pandas(Index=3, Name='Amy', Age=24, City='Tokyo')
---------
可以看到，itertuples()方法返回的是一个namedtuple类型的数据，可以通过点运算符来获取具体的索引和值。
3.3 使用apply()方法遍历
apply()方法可以对DataFrame的每一行进行自定义的操作，并将结果追加到一个新列中。这种方法对于需要对每一行进行计算或者操作时非常有用，示例代码如下：
import pandas as pd
# 创建一个示例DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
'Age': [21, 22, 23, 24],
'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)
# 对每一行的Age列进行计算，将结果追加到一个新列中
def calculate_age(row):
return row['Age'] + 1
df['New Age'] = df.apply(calculate_age, axis=1)
# 打印DataFrame
print(df)
上述代码输出为：
Name Age City New Age
0 Tom 21 New York 22
1 Nick 22 Paris 23
2 John 23 London 24
3 Amy 24 Tokyo 25
可以看到，在遍历每一行并进行特定操作之后，我们将新的计算结果追加到了DataFrame中的新列中。
4. 总结
本文介绍了使用pandas进行DataFrame的行遍历的几种方法，包括使用iterrows()方法、itertuples()方法和apply()方法。这些方法灵活且高效，可以方便地对数据进行处理和操作。在实际的数据分析和处理工作中，我们可以根据具体的需求选择相应的方法来遍历DataFrame中的每一行，并执行相应的操作。