pandas遍历每一行数据|极客笔记

pandas遍历每一行数据

在数据分析和处理过程中，经常需要遍历DataFrame中的每一行数据，以进行复杂的计算、筛选或处理。Pandas是一个强大的数据处理库，它提供了多种遍历DataFrame的方法。在本文中，我们将详细讨论如何使用Pandas遍历每一行数据，并给出具体的示例代码。

使用iterrows方法遍历每一行数据

Pandas提供了iterrows方法来便利DataFrame中的每一行数据。这个方法返回一个生成器，每次迭代会返回包含每行索引和数据的元组。我们可以通过解构元组的方式获取索引和数据。

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]}
df = pd.DataFrame(data)

# 使用iterrows遍历每一行数据
for index, row in df.iterrows():
    print(f'Index: {index}')
    print(f'Row data:\n{row}')

运行上面的代码，我们会得到每一行数据的索引和具体内容。例如，对于示例DataFrame，会输出如下结果：

Index: 0
Row data:
A    1
B    5
Name: 0, dtype: int64

Index: 1
Row data:
A    2
B    6
Name: 1, dtype: int64

Index: 2
Row data:
A    3
B    7
Name: 2, dtype: int64

Index: 3
Row data:
A    4
B    8
Name: 3, dtype: int64

使用itertuples方法遍历每一行数据

除了iterrows方法，Pandas还提供了itertuples方法来遍历DataFrame中的每一行数据。这个方法返回一个迭代器，每次迭代会返回一个具名元组，并且元组的属性对应DataFrame的列名。

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]}
df = pd.DataFrame(data)

# 使用itertuples遍历每一行数据
for row in df.itertuples():
    print(row)

运行上面的代码，我们会得到每一行数据的具名元组。例如，对于示例DataFrame，会输出如下结果：

Pandas(Index=0, A=1, B=5)
Pandas(Index=1, A=2, B=6)
Pandas(Index=2, A=3, B=7)
Pandas(Index=3, A=4, B=8)

使用apply方法遍历每一行数据

除了迭代器方法，我们还可以使用apply方法遍历DataFrame的每一行数据。apply方法可以接收一个函数作为参数，并对每一行数据执行这个函数。

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]}
df = pd.DataFrame(data)

# 定义一个处理函数
def process_row(row):
    return row['A'] + row['B']

# 使用apply方法遍历每一行数据
df['sum'] = df.apply(process_row, axis=1)
print(df)

运行上面的代码，我们会对每一行数据执行process_row函数，并将结果添加到DataFrame中新的一列。例如，对于示例DataFrame，会输出如下结果：

   A  B  sum
0  1  5    6
1  2  6    8
2  3  7   10
3  4  8   12

使用lambda表达式遍历每一行数据

除了定义单独的函数，我们还可以使用lambda表达式来遍历DataFrame的每一行数据。Lambda表达式是一种匿名函数，非常适合在短时间内定义简单的函数。

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]}
df = pd.DataFrame(data)

# 使用lambda表达式遍历每一行数据
df['sum'] = df.apply(lambda row: row['A'] + row['B'], axis=1)
print(df)

运行上面的代码，我们会对每一行数据使用lambda表达式计算和，并将结果添加到DataFrame中新的一列。例如，对于示例DataFrame，会输出如下结果：

   A  B  sum
0  1  5    6
1  2  6    8
2  3  7   10
3  4  8   12

通过以上几种方法，我们可以方便地遍历DataFrame中的每一行数据，并进行各种复杂的计算和操作。在实际数据分析和处理中，选择合适的方法可以极大地提高开发效率和代码的可读性。

pandas遍历每一行数据