Pandas 逐行遍历 Pandas 数据帧

在本文中，我们将介绍如何使用 Pandas 逐行遍历 Pandas 数据帧。

Pandas 是 Python 中用于数据分析和数据处理的强大库。 Pandas 具有用于读取、写入和操作数据的功能。 Pandas 提供了一个名为 DataFrame 的主要数据结构。 DataFrame 是二维表结构数据，它包含多个行和列。数据分析过程通常需要遍历 Pandas 数据帧中的每一行，并在每一行上执行特定的操作。

以下是如何逐行遍历 Pandas 数据帧：

阅读更多：Pandas 教程

方法 1：使用 iterrows() 函数

iterrows() 函数可以在 Pandas 数据帧（DataFrame）中迭代每一行，并返回一个包含每一行数据的 pandas series。这个函数返回的数据可以用于计算，比较或者可视化。

import pandas as pd

# 创建 Pandas 数据帧
df = pd.DataFrame({
   'Column1': [1, 2, 3, 4],
   'Column2': ['A', 'B', 'C', 'D'],
   'Column3': [0.1, 0.2, 0.3, 0.4]
})

# 使用 iterrows() 函数遍历 Pandas 数据帧中的每一行
for index, row in df.iterrows():
    print(row['Column1'], row['Column2'], row['Column3'])

以上代码输出：

1 A 0.1
2 B 0.2
3 C 0.3
4 D 0.4

方法 2：使用 itertuples() 函数

itertuples() 函数可以在 Pandas 数据帧中迭代每一行，并将每一行数据作为命名元组（namedtuple）返回。此函数比 iterrows() 更快，因为它返回的是一个命名元组而不是一个 Pandas series。

import pandas as pd

# 创建 Pandas 数据帧
df = pd.DataFrame({
   'Column1': [1, 2, 3, 4],
   'Column2': ['A', 'B', 'C', 'D'],
   'Column3': [0.1, 0.2, 0.3, 0.4]
})

# 使用 itertuples() 函数遍历 Pandas 数据帧中的每一行
for row in df.itertuples():
    print(row.Column1, row.Column2, row.Column3)

以上代码输出：

1 A 0.1
2 B 0.2
3 C 0.3
4 D 0.4

方法 3：使用 apply() 函数

apply() 函数可以对 Pandas 数据帧中的每一行执行指定的函数。这个函数可以是内置函数或自定义函数。

import pandas as pd

# 创建 Pandas 数据帧
df = pd.DataFrame({
   'Column1': [1, 2, 3, 4],
   'Column2': ['A', 'B', 'C', 'D'],
   'Column3': [0.1, 0.2, 0.3, 0.4]
})

# 自定义函数：计算列之和
def sum_of_columns(row):
    return row['Column1'] + row['Column3']

# 使用 apply() 函数遍历 Pandas 数据帧中的每一行
df['Sum of Columns'] = df.apply(sum_of_columns, axis=1)

# 输出新的 Pandas 数据帧
print(df)

以上代码输出：

   Column1 Column2  Column3  Sum of Columns
0        1       A      0.1             1.1
1        2       B      0.2             2.2
2        3       C      0.3             3.3
3        4       D      0.4             4.4