Python DataFrame遍历

在数据分析、挖掘与建模中，DataFrame 是不可或缺的一种数据结构。然而，在进行数据处理时，往往需要对 DataFrame 进行遍历操作。本文将从多个方面介绍 Python 中对 DataFrame 进行遍历的方法。

一、基本遍历

最基本的遍历 DataFrame 的方法是使用 for 循环。代码如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

for index, row in df.iterrows():
    print(index, row['col1'], row['col2'])

其中，iterrows() 方法将 DataFrame 中的每一行返回为一个元组 (index, ser)，其中 index 表示行索引，ser 表示包含行数据的 Series。

这种方法虽然简单，但是当 DataFrame 数据量较大时会比较慢，不建议使用。

二、使用 loc 标签

loc 是 DataFrame 中基于标签（label）进行对行数据访问的方法。使用 loc 进行遍历时，代码如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

for index in df.index:
    row = df.loc[index]
    print(index, row['col1'], row['col2'])

在这个方法中，我们使用 df.index 返回 DataFrame 中的所有行索引。然后，我们使用 loc 方法和行索引获取每一行的数据，并进行相应的处理。

三、使用 apply 方法

在 pandas 中，apply 方法允许我们对 DataFrame 的每个元素执行一个指定的函数。使用 apply 对 DataFrame 进行遍历时，代码如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

def process(row):
    print(row['col1'], row['col2'])

df.apply(process, axis=1)

在 apply 方法中，我们首先定义了一个名为 process 函数，其输入参数为 row，表示 DataFrame 中的一行数据。然后，我们使用 axis=1 指定对 DataFrame 的每行进行函数 process 的处理。

四、使用 itertuples 方法

itertuples 方法可以提高对 DataFrame 的遍历效率。使用 itertuples 方法对 DataFrame 进行遍历时，代码如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

for row in df.itertuples(name='MyTuple'):
    print(getattr(row, 'col1'), getattr(row, 'col2'))

在这个方法中，itertuples 方法返回一个名为 MyTuple 的元组，元组中包含了行索引和列数据。因为 DataFrame 的列数据是通过属性访问的，所以我们可以使用 getattr 来代替点操作符来访问工厂。

五、使用 numpy 数组进行遍历

最后，我们可以使用 numpy 数组进行遍历。代码如下所示：

import pandas as pd
import numpy as np

df = pd.read_csv('data.csv')

values = df.values

for index, value in np.ndenumerate(values):
    print(index, value)

在这个方法中，我们使用 values 属性获取 DataFrame 中所有的数据，然后使用 numpy 中的 ndenumerate 函数遍历这些数据。ndenumerate 函数返回一个元组，包含了每个元素的行列索引和对应的值。

总结

本文介绍了五种常用的 DataFrame 遍历方法，并给出了相应的代码示例。在实际应用中，应根据数据集大小、使用场景等多种因素选择最适合的遍历方法。