示例数据源如下：data.csv
遍历Dataframe有一下三种方法：
-
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 的每一行迭代为元组，可以通过 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。
import pandas as pd
df = pd.read_csv('data.csv',encoding='utf-8',converters = {'code':str})
print(df)
按行遍历 iterrows():
for index,row in df.iterrows():
print(index,type(row),row['code'],row['name'])
print("-----")
按行遍历 itertuples():
for row in df.itertuples():
print(getattr(row, 'code'), getattr(row, 'name'))
print("-----")
按列遍历 iteritems():
import pandas as pd
df = pd.read_csv('data.csv',encoding='utf-8',converters = {'code':str})
print(df)
for index, row in df.iteritems():
print(index,type(row),row[0],row[1],row[2],row[3])
print("-----")
示例数据源如下：data.csv遍历Dataframe有一下三种方法：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 的每一行迭代为元组，可以通过 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 r
1. 使用loc或iloc方法
loc：表示location，填写内容为行的值或者列表，若填写内容为值，则返回对应行的内容（Series类型）；若填写内容为列表，则返回对应行的内容（DataFrame类型）
iloc：表示integer+location，填写内容为行的索引（int类型）或者列表，返回内容与loc相同。
因此若需要按照行进行遍历时，
先可以使用inde
可以使用`iterrows()`方法来按行遍历Pandas DataFrame。这个方法会返回一个由索引和Series对象组成的元组。你可以使用for循环来遍历DataFrame的每一行，并使用索引和Series对象来访问每一行的值。以下是一个示例代码：
```python
import pandas as pd
df = pd.DataFrame({'species': ['bear', 'bear', 'marsupial'],
'population': [1864, 22000, 80000]},
index=['panda', 'polar', 'koala'])
for index, row in df.iterrows():
print(index, row['species'], row['population'])
这段代码会按行遍历DataFrame，并打印出每一行的索引、species列和population列的值。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [pandas逐行/列 遍历Dataframe的三种方式](https://blog.csdn.net/qq_57313910/article/details/128080882)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *3* [如何在 Pandas 中遍历 DataFrame 的行?](https://blog.csdn.net/devid008/article/details/131212904)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]
紧到长卜帅:
win10虚机扩容C盘
2301_80324049:
win10虚机扩容C盘
西瓜ovoo:
python queue模块
kkwkkwkkwkkw:
