pandas按行按列遍历Dataframe的三种方式小结
更新时间：2023年11月10日 15:42:30 作者：剑圣土豆
本文主要介绍了pandas按行按列遍历Dataframe,主要介绍了三种方法,具有一定的参考价值,感兴趣的可以了解一下
遍历数据有以下三种方法：
简单对上面三种方法进行说明：
- iterrows(): 按行遍历，将DataFrame的每一行迭代为(index, Series)对，可以通过row[name]对元素进行访问。
- itertuples(): 按行遍历，将DataFrame的每一行迭代为元祖，可以通过getattr(row, ‘name’)对元素进行访问，比iterrows()效率高。
- iteritems():按列遍历，将DataFrame的每一列迭代为(列名, Series)对，可以通过row[index]对元素进行访问。
示例数据
import pandas as pd
inp = [{'c1':100, 'c2':20}, {'c1':90, 'c2':403}, {'c1':503, 'c2':3}]
df = pd.DataFrame(inp)
print(df)
标题按行遍历iterrows():
for index, row in df.iterrows():
print(index) # 输出每行的索引值
可用row[‘name’]作为索引
# 对于每一行，通过列名name访问对应的元素
for row in df.iterrows():
print(row['c1'], row['c2']) # 输出每一行
按行遍历itertuples():
可以用getattr(row, ‘name’)作为索引（注意row[‘name’]会报错）
for row in df.itertuples():
print(getattr(row, 'c1'), getattr(row, 'c2')) # 输出每一行
按列遍历iteritems():
注意这是按列读取遍历
for index, row in df.iteritems():
print(index) # 输出列名
for row in df.iteritems():
print(row[0], row[1], row[2]) # 输出各列到此这篇关于pandas按行按列遍历Dataframe的三种方式小结的文章就介绍到这了,更多相关pandas按行按列遍历内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
批量文件整理一直是日常工作中令人头疼的事，使用 Python 进行大批量文件整理，可以大大提升工作效率。本文主要介绍了利用Python实现文件的重命名和删除，感兴趣的小伙伴可以关注一下2021-12-12
这篇文章主要介绍了Python3.6日志Logging模块简单用法,结合实例形式分析了Python3.6环境下日志Logging模块设置格式、文件流输出相关操作技巧,需要的朋友可以参考下2018-06-06
python使用collections模块的容器数据类型高效处理数据
这篇文章主要为大家介绍了python使用collections模块的容器数据类型高效处理数据的方法示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-06-06
SQLAlchemy 是python 操作数据库的一个库。能够进行 orm 映射，SQLAlchemy“采用简单的Python语言，为高效和高性能的数据库访问设计，实现了完整的企业级持久模型”2014-04-04
这篇文章主要介绍了Python如何使用cv2.canny进行图像边缘检测问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-01-01
这篇文章主要为大家详细介绍了python画环形图的相关代码，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-03-03
今天小编就为大家分享一篇python 用下标截取字符串的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-12-12
本文主要介绍了PyCharm虚拟环境中使用pip指令，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-06-06
基于本地知识的问答机器人langchain-ChatGLM 大语言模型实现方法详解
这篇文章主要介绍了基于本地知识的问答机器人langchain-ChatGLM 大语言模型实现方法,结合具体实例形式详细分析了langchain-ChatGLM的功能、原理、部署方法与操作注意事项,需要的朋友可以参考下2023-07-07
语音识别是一门交叉学科。近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。人们预计，未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域2021-11-11
最新评论