Pandas遍历DataFrame每一行的多种方法

在 Pandas 中，遍历 DataFrame 的每一行有多种方法，每种方法适用于不同的场景。以下是常见的几种方式及其适用场景：

1. iterrows() - 返回索引和行数据（Series）

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['x', 'y', 'z']})

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

特点：

• 返回 (index, Series) 对，row 是 Pandas Series 对象。
• 缺点：性能较差（因为 row 是 Series，不是原生 Python 类型）。
• 适用场景：需要访问行索引和少量数据时。

2. itertuples() - 返回命名元组（更快）

for row in df.itertuples():
    print(f"索引: {row.Index}, A列值: {row.A}, B列值: {row.B}")

特点：

• 返回 namedtuple，访问列名更方便（如 row.A 而不是 row['A']）。
• 优点：比 iterrows() 快很多（因为直接操作元组）。
• 适用场景：需要高性能遍历，且不需要修改数据。

3. apply() - 对每行应用函数（推荐）

def process_row(row):
    return f"A={row['A']}, B={row['B']}"

df.apply(process_row, axis=1)  # axis=1 表示按行应用

特点：

• 使用向量化操作，比 iterrows() / itertuples() 更快。
• 适用场景：需要对每行进行计算并返回新数据。

4. items() - 遍历列（而非行）

for col_name, col_data in df.items():
    print(f"列名: {col_name}")
    print(f"列数据:\n{col_data}")

特点：

• 遍历的是 列 而不是行。
• 适用场景：需要按列处理数据时。

5. 直接转换为 NumPy 数组（最快）

for row in df.values:  # 或 df.to_numpy()
    print(f"A={row[0]}, B={row[1]}")  # 按列索引访问

特点：

• 直接操作 NumPy 数组，速度最快。
• 缺点：丢失列名，只能按索引访问。
• 适用场景：需要极致性能，且不需要列名。

6. 使用 loc 或 iloc 访问特定行

for i in range(len(df)):
    print(df.loc[i, 'A'])  # 按标签访问
    print(df.iloc[i, 0])   # 按位置访问

特点：

• 适用于随机访问特定行。
• 缺点：性能较差（每次调用 loc / iloc 都有开销）。

性能对比

最佳实践

1. 尽量避免逐行遍历，优先使用 Pandas 的向量化操作（如 df['A'] * 2）。
2. 如果必须遍历：
   • 需要列名 → itertuples()
   • 需要极致性能 → df.values 或 to_numpy()
   • 需要修改数据 → iterrows() 或 apply()
3. 大数据处理：考虑 dask 或 swifter 加速。

示例：修改 DataFrame 的某一列

# 方法1：使用 iterrows()（不推荐，慢）
for index, row in df.iterrows():
    df.loc[index, 'B'] = row['B'] + '_modified'

# 方法2：使用 apply()（推荐）
df['B'] = df['B'].apply(lambda x: x + '_modified')

# 方法3：向量化操作（最快）
df['B'] = df['B'] + '_modified'

总结

尽量避免逐行遍历，Pandas 的优势在于 向量化计算！

到此这篇关于Pandas遍历DataFrame每一行的多种方法的文章就介绍到这了,更多相关Pandas遍历DataFrame每一行内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！