Python 教程之 Pandas（7）—— 遍历 Pandas DataFrame 中的行和列携手创作，共同成长！这是

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第 33 天，点击查看活动详情

💂 个人网站:【海拥】【摸鱼小游戏】【学习资料】

🤟 风趣幽默的前端学习课程：👉28个案例趣学前端

💅 想寻找共同学习交流的小伙伴，请点击【全栈技术交流群】

💬 免费且实用的 Python 刷题（面经大全）网站：👉点击跳转到网站

迭代是一个通用术语，用于一个接一个地获取某物的每一项。Pandas DataFrame 由行和列组成，因此，为了迭代数据帧，我们必须像字典一样迭代数据帧。在字典中，我们以与在数据帧中迭代相同的方式迭代对象的键。

在 Pandas Dataframe 中，我们可以通过两种方式迭代元素：

遍历行
遍历列

遍历行：

为了迭代行，我们可以使用三个函数 iteritems()、iterrows()、itertuples()。这三个函数将有助于对行进行迭代。

使用 iterrows() 对行进行迭代

为了迭代行，我们应用了 iterrows() 函数，该函数返回每个索引值以及包含每行数据的序列。

代码#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 从字典创建数据框
df = pd.DataFrame(dict)

print(df)

现在我们应用 iterrows() 函数来获取行的每个元素。

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 从字典创建数据框
df = pd.DataFrame(dict)

# 使用 iterrows() 函数遍历行
for i, j in df.iterrows():
	print(i, j)
	print()

输出：

代码#2：

# importing pandas module
import pandas as pd
	
# 从csv文件制作数据框
data = pd.read_csv("nba.csv")

# 对于数据可视化，我们过滤前 3 个数据集
data.head(3)

现在我们应用 iterrows 来获取数据框中行的每个元素

# importing pandas module
import pandas as pd
	
# 从csv文件制作数据框
data = pd.read_csv("nba.csv")

for i, j in data.iterrows():
	print(i, j)
	print()

输出：

使用 iteritems() 对行进行迭代

为了迭代行，我们使用 iteritems() 函数，该函数迭代每列作为键，以标签作为键的值对，以及作为系列对象的列值。

代码#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 从字典创建数据框
df = pd.DataFrame(dict)

print(df)

现在我们应用一个 iteritems() 函数来检索一行数据帧。

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 从字典创建数据框
df = pd.DataFrame(dict)

# 使用 iteritems() 函数检索行
for key, value in df.iteritems():
	print(key, value)
	print()

输出：

代码#2：

# importing pandas module
import pandas as pd
	
# 从csv文件制作数据框
data = pd.read_csv("nba.csv")

# 对于数据可视化，我们过滤前 3 个数据集
data.head(3)

输出：

现在我们应用 iteritems() 以从数据框中检索行

# importing pandas module
import pandas as pd
	
# 从csv文件制作数据框
data = pd.read_csv("nba.csv")

for key, value in data.iteritems():
	print(key, value)
	print()

输出：

使用 itertuples() 对行进行迭代

为了遍历行，我们应用了一个函数 itertuples()，这个函数为 DataFrame 中的每一行返回一个元组。元组的第一个元素将是行的相应索引值，而其余的值是行值。

代码#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 从字典创建数据框
df = pd.DataFrame(dict)

print(df)

现在我们应用一个 itertuples() 函数来获取每一行的元组

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 从字典创建数据框
df = pd.DataFrame(dict)

# 使用 itertuples()
for i in df.itertuples():
	print(i)

输出：

代码#2：

# importing pandas module
import pandas as pd
	
# 从csv文件制作数据框
data = pd.read_csv("nba.csv")

# 对于数据可视化，我们过滤前 3 个数据集
data.head(3)

现在我们应用一个 itertuples() 来获取每行的 atuple

# importing pandas module
import pandas as pd
	
# 从csv文件制作数据框
data = pd.read_csv("nba.csv")

for i in data.itertuples():
	print(i)

输出：

遍历 Columns ：

为了遍历列，我们需要创建一个数据框列的列表，然后遍历该列表以提取数据框列。

代码#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 从字典创建数据框
df = pd.DataFrame(dict)

print(df)

现在我们遍历列为了遍历列，我们首先创建一个数据框列的列表，然后遍历列表。

# 创建数据框列的列表
columns = list(df)

for i in columns:

	# printing the third element of the column
	print (df[i][2])

输出：

代码#2：

# importing pandas module
import pandas as pd
	
# 从csv文件制作数据框
data = pd.read_csv("nba.csv")

# 对于数据可视化，我们过滤前 3 个数据集
col = data.head(3)

col

现在我们遍历 CSV 文件中的列以遍历列，我们创建数据框列的列表并遍历列表

# 创建数据框列的列表
clmn = list(col)

for i in clmn:
	# 打印列的第三个元素
	print(col[i][2])

输出：