Pandas之pandas DataFrame iterrows詳解

更新時間：2025年04月16日 09:09:11 作者：liuweidong0802

這篇文章主要介紹了Pandas之pandas DataFrame iterrows,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教

Pandas2.2 DataFrame

Indexing, iteration

方法	描述
DataFrame.head([n])	用于返回 DataFrame 的前幾行
DataFrame.at	快速訪問和修改 DataFrame 中單個值的方法
DataFrame.iat	快速訪問和修改 DataFrame 中單個值的方法
DataFrame.loc	用于基于標簽（行標簽和列標簽）來訪問和修改 DataFrame 中的數據
DataFrame.iloc	用于基于整數位置（行號和列號）來訪問和修改 DataFrame 中的數據
DataFrame.insert(loc, column, value[, …])	用于在 DataFrame 的指定位置插入一個新的列
DataFrame.iter()	用于迭代 DataFrame 的列名
DataFrame.items()	用于迭代 DataFrame 的列名和列數據
DataFrame.keys()	返回 DataFrame 的列名
DataFrame.iterrows()	用于逐行迭代 DataFrame

pandas.DataFrame.iterrows()

pandas.DataFrame.iterrows() 方法用于逐行迭代 DataFrame，每次迭代返回一個包含行索引和行數據的元組。

行數據以 Series 對象的形式返回，其中索引是列名，值是該行對應列的值。

語法：

for index, row in DataFrame.iterrows():
    # 處理行索引和行數據

示例：

假設我們有一個 DataFrame 如下：

import pandas as pd

data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}

df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])
print(df)

輸出：

A B C
row1 1 4 7
row2 2 5 8
row3 3 6 9

迭代行索引和行數據

使用 iterrows() 方法逐行迭代 DataFrame：

for index, row in df.iterrows():
    print(f"Index: {index}")
    print(f"Row: {row}")
    print()

輸出：

Index: row1
Row: A 1
B 4
C 7
Name: row1, dtype: int64

Index: row2
Row: A 2
B 5
C 8
Name: row2, dtype: int64

Index: row3
Row: A 3
B 6
C 9
Name: row3, dtype: int64

訪問特定列的值

在迭代行數據時，訪問特定列的值：

for index, row in df.iterrows():
    print(f"Index: {index}, A: {row['A']}, B: {row['B']}, C: {row['C']}")

輸出：

Index: row1, A: 1, B: 4, C: 7
Index: row2, A: 2, B: 5, C: 8
Index: row3, A: 3, B: 6, C: 9

注意事項：

性能問題: iterrows() 在處理大型 DataFrame 時性能較差，因為它會將每一行轉換為 Series 對象，這會導致額外的開銷。對于性能敏感的操作，建議使用 itertuples() 或向量化操作。
修改數據: 在迭代過程中修改 DataFrame 的數據可能會導致不可預測的結果。如果需要修改數據，建議先創(chuàng)建一個副本或使用其他方法。