如何在pandas中遍历dataframe的行?

Question

如题所述

Answer 1

1. 遍历 Pandas DataFrame 的行是数据处理中的关键操作。
2. 使用 DataFrame 的 index 属性可以遍历整个 DataFrame。
3. 通过 index 属性，我们可以获得从顶行到底行的范围对象，然后使用这个范围对象迭代 DataFrame 的每行数据。
4. 例如，我们可以通过循环访问 index 属性来实现遍历，代码如下：
```python
df = pd.DataFrame({'Income_1': [100, 200, 300], 'Income_2': [150, 250, 350]})
for index in df.index:
print(df.loc[index, 'Income_1'] + df.loc[index, 'Income_2'])
```
5. 利用 Pandas 的 loc[] 方法，我们可以访问特定行和列的数据。
6. 在遍历循环中使用 loc[] 方法，可以遍历 DataFrame 的所有行。
7. 例如：
```python
for index in range(len(df)):
print(df.loc[index])
```
8. iloc[] 方法也用于遍历 DataFrame 行。
9. 与 loc[] 方法不同的是，iloc[] 使用行索引而不是列名称来访问数据。
10. 例如：
```python
for index in range(3):
print(df.iloc[index])
```
11. pandas.DataFrame.iterrows() 方法返回每一行的索引和该行的数据。
12. 这使得我们能够遍历 DataFrame 的每一行，并执行任何操作，例如计算行的总和：
```python
for index, row in df.iterrows():
print(row['Income_1'] + row['Income_2'])
```
13. 另握扮外，pandas.DataFrame.itertuples() 方法可以将 DataFrame 转换为一个迭代段陆灶器，其中每一项是一个行对象，包含 DataFrame 的每一列的值。
14. 这同样适用于行遍历操作：
```python
for row in df.itertuples():
print(row.Income_1 + row.Income_2)
```
15. 以上是 Pandas DataFrame 行遍历的常用方法。
16. 掌握这些方法能够更高效地处理数据，实现复杂的数据分析和处理任务。