遍历dataframe 用for 循环 代码实现

遍历DataFrame可以使用多种方法，以下是几种常见的使用for循环遍历DataFrame的代码实现方式：

1. 使用iterrows()方法： iterrows()方法返回每一行的索引和数据，可以用于按行遍历DataFrame。以下是具体的代码示例：

   import pandas as pd
   
   df = pd.DataFrame({
       'A': [1, 2, 3],
       'B': [4, 5, 6]
   })
   
   for index, row in df.iterrows():
       print(index, row['A'], row['B'])
   

   这种方法在处理大型DataFrame时可能效率较低，因为它会将每一行转换为一个Series对象10。

2. 使用itertuples()方法： itertuples()方法返回一个命名元组，包含DataFrame的列作为属性。这种方法比iterrows()更快，因为它不会创建新的Series对象。以下是代码示例：

   for row in df.itertuples():
       print(row.Index, row.A, row.B)
   

   使用itertuples()可以更快地遍历DataFrame，特别是当不需要行索引时39。

3. 使用items()方法结合zip()函数： items()方法返回DataFrame的列名和对应的值的迭代器，可以结合zip()函数来遍历每一行。以下是代码示例：

   for colnames, row in zip(df.columns, df.values):
       print(colnames, row)
   

   这种方法可以用于同时获取列名和对应的数据行3。

4. 使用applymap()函数： applymap()函数可以对DataFrame中的每个元素应用一个函数，也可以用于遍历DataFrame的所有元素。以下是代码示例：

   df.applymap(lambda x: x)  # 这里应用了一个恒等函数，实际使用时可以替换为其他函数
   

   applymap()可以用于更复杂的操作，比如对每个元素进行转换或计算58。

5. 使用for循环直接迭代DataFrame的行： 如果DataFrame的每一行都是一个Series对象，可以直接使用for循环迭代这些行。以下是代码示例：

   for row in df:
       print(row)
   

   这种方法简单直接，适用于DataFrame的每一行都是Series对象的情况1。

以上就是使用for循环遍历DataFrame的几种方法，可以根据具体的需求和DataFrame的大小选择合适的方法。