如何在Python-Pandas中遍历数据框架组

在Python-Pandas中遍历数据框架组的攻略可以分为两种方法，一种是通过迭代器的方式，另一种是利用apply()方法。

方法一：迭代器方式

使用迭代器遍历数据框可以通过iterrows()和itertuples()方法实现。

iterrows()方法

iterrows()方法可以将数据框的每行作为一个元组返回，其中包含了每行的索引和值。下面是使用iterrows()方法遍历数据框的示例代码：

import pandas as pd
df = pd.DataFrame({'name':['Alice', 'Bob', 'Cathy'], 'age':[25, 30, 35], 'gender':['F', 'M', 'F']})

for index, row in df.iterrows():
    print(index, row['name'], row['age'], row['gender'])

输出结果为：

0 Alice 25 F
1 Bob 30 M
2 Cathy 35 F

itertuples()方法

itertuples()方法可以将每个行元素作为一个最小的数据类型返回，可以通过它来遍历数据框的每一行。下面是使用itertuples()方法遍历数据框的示例代码：

import pandas as pd
df = pd.DataFrame({'name':['Alice', 'Bob', 'Cathy'], 'age':[25, 30, 35], 'gender':['F', 'M', 'F']})

for row in df.itertuples():
    print(row.Index, row.name, row.age, row.gender)

输出结果为：

0 Alice 25 F
1 Bob 30 M
2 Cathy 35 F

方法二：apply()方法

apply()方法可以将一行或一列中的每个值作为一个单元迭代，可以在其中应用自定义或内置的函数。下面是使用apply()方法遍历数据框的示例代码：

import pandas as pd
df = pd.DataFrame({'name':['Alice', 'Bob', 'Cathy'], 'age':[25, 30, 35], 'gender':['F', 'M', 'F']})

df.apply(lambda row: print(row['name'], row['age'], row['gender']), axis=1)

如果不想输出每个值，而是将每行作为一个元组返回，则示例代码如下：

import pandas as pd
df = pd.DataFrame({'name':['Alice', 'Bob', 'Cathy'], 'age':[25, 30, 35], 'gender':['F', 'M', 'F']})

df.apply(lambda row: (row['name'], row['age'], row['gender']), axis=1)

输出结果为：

0    (Alice, 25, F)
1      (Bob, 30, M)
2    (Cathy, 35, F)

通过上述两种方法中的任意一种方法，您就可以遍历数据框中的每一行了。