python 遍历dataframe

import pandas as pd

# 创建一个简单的 DataFrame
data = {
    '列1': [1, 2, 3],
    '列2': ['A', 'B', 'C']
}
df = pd.DataFrame(data)

# 方法1: 使用 iterrows() 遍历每一行
print("使用 iterrows() 遍历每一行:")
for index, row in df.iterrows():
    print(f"索引: {index}, 列1: {row['列1']}, 列2: {row['列2']}")

# 方法2: 使用 itertuples() 遍历每一行（性能更好）
print("\n使用 itertuples() 遍历每一行:")
for row in df.itertuples():
    print(f"索引: {row.Index}, 列1: {row.列1}, 列2: {row.列2}")

# 方法3: 使用 apply() 对每一行应用函数
print("\n使用 apply() 对每一行应用函数:")
def print_row(row):
    print(f"列1: {row['列1']}, 列2: {row['列2']}")

df.apply(print_row, axis=1)

解释说明：

1. 创建 DataFrame:

   • 使用 pandas 库创建一个简单的 DataFrame，包含两列：列1 和 列2。

2. 方法1: 使用 iterrows() 遍历每一行:

   • iterrows() 返回的是 (index, Series) 的元组对。
   • 这种方法适合需要访问索引和每一行数据的场景，但性能相对较差。

3. 方法2: 使用 itertuples() 遍历每一行:

   • itertuples() 返回的是命名元组，性能比 iterrows() 更好。
   • 适用于需要高效遍历 DataFrame 的场景。

4. 方法3: 使用 apply() 对每一行应用函数:

   • apply() 可以对每一行或每一列应用自定义函数。
   • axis=1 表示按行应用函数，axis=0 表示按列应用函数。
   • 适用于需要对每一行进行复杂操作的场景。