如何迭代 DataFrame 的行？

我有这段代码：

df = pd.DataFrame(data, columns = ['Name','New_addy','PHONE1','PHONE2','EMAIL'])

def QuestioningMech(df):
    for x in df:
        print(df[x])

所以我试图迭代 DataFrame，但此代码迭代列。我该如何迭代行？

有几种方法可以迭代 Pandas DataFrame 的行：

1. 使用 iterrows() ：

iterrows() 方法将 DataFrame 作为 (index, Series) 对进行迭代。这是迭代行最常用的方法，因为它可以访问索引和每一行的值。

```python import pandas as pd

df = pd.DataFrame(data, columns=['Name', 'New_addy', 'PHONE1', 'PHONE2', 'EMAIL'])

def QuestioningMech(df): for index, row in df.iterrows(): print(f"Row {index + 1}:") # 打印行号 print(row['Name'], row['PHONE1']) # 访问特定列

QuestioningMech(df) ```

2. 使用 itertuples() ：

itertuples() 方法将 DataFrame 作为命名元组进行迭代。这比 iterrows() 更快，但不能访问索引，并且需要使用属性名访问列值。

```python import pandas as pd

df = pd.DataFrame(data, columns=['Name', 'New_addy', 'PHONE1', 'PHONE2', 'EMAIL'])

def QuestioningMech(df): for row in df.itertuples(): print(row.Name, row.PHONE1) # 使用属性名访问列

QuestioningMech(df) ```

3. 将 DataFrame 转换为列表：

可以使用 values 属性将 DataFrame 转换为 NumPy 数组，然后使用列表推导式迭代每一行。

```python import pandas as pd

df = pd.DataFrame(data, columns=['Name', 'New_addy', 'PHONE1', 'PHONE2', 'EMAIL'])

def QuestioningMech(df): for row in df.values: print(row[0], row[2]) # 使用索引访问列

QuestioningMech(df) ```

哪种方法最好？

• 如果你需要访问索引和每一行的值， iterrows() 是最好的选择。
• 如果你需要快速迭代行并且不需要索引， itertuples() 是一个不错的选择。
• 如果你想将 DataFrame 转换为其他数据结构，例如列表，则将 DataFrame 转换为列表是一个不错的选择。

重要提示： 迭代大型 DataFrame 可能会很慢。 如果需要对 DataFrame 执行复杂的操作，请考虑使用 Pandas 的内置函数和矢量化操作，而不是迭代行。 这些函数通常比循环快得多，并且更易于阅读和理解。