迭代数据帧通常不是推荐的做法，因为 pandas 的设计初衷是向量化操作以提高效率。然而，在某些情况下，也可能需要逐行或逐列迭代数据。
需要注意的是，迭代数据帧的行或列可能会导致性能下降，特别是对于大型数据集。在可能的情况下，最好使用向量化操作来提高效率。
1.使用 .iterrows()
.iterrows() 是一个生成器，它迭代数据帧的索引和行。import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6],
'C': [7, 8, 9]
})
for index, row in df.iterrows():
print(f"Index: {index}")
print(row) 2.使用 .itertuples()
.itertuples() 方法比 .iterrows() 更快，因为它返回命名元组，这些元组在Python中的性能优于字典。.itertuples() 返回的是命名元组，可以通过属性名称访问这些元素，例如 row.A、row.B 等。import pandas as pd
df = pd.DataFrame({
'A': [10, 20, 30],
'B': [40, 50, 60],
'C': ['p', 'q', 'r']
})
for row in df.itertuples():
print(row)
'''
Pandas(Index=0, A=10, B=40, C='p')
Pandas(Index=1, A=20, B=50, C='q')
Pandas(Index=2, A=30, B=60, C='r')'''迭代列通常更简单，因为可以直接迭代数据帧的列名或访问列数据。
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6],
'C': [7, 8, 9]
})
# 方法1: 迭代列名
for column in df.columns:
print(f"Column Name: {column}")
# 通过列名访问列数据
print(df[column])
# 方法2: 直接迭代DataFrame对象（默认迭代列名）
for column in df:
print(f"Column Name: {column}")
print(df[column])
# 方法3: 使用df.items()同时迭代列名和数据
for column, data in df.items():
print(f"Column Name: {column}")
# data变量直接包含列数据，无需通过df[column]访问
print(data) 以上为个人经验，希望能给大家一个参考，也希望大家多多支持本站。