Pandas

对于 Series 而言，您可以把它当做一维数组进行遍历 *** 作；而像 DataFrame 这种二维数据表结构，则类似于遍历 Python 字典。

for遍历

在 Pandas 中通过for遍历后，Series 可直接获取相应的 value，而 DataFrame 则会获取列标签。

# 示例如下：
import pandas as pd
import numpy as np
N=20
df = pd.DataFrame({
'A': pd.date_range(start='2016-01-01',periods=N, freq='D'),
'x': np.linspace(0, stop=N-1,num=N),
'y': np.random.rand(N),
'C': np.random.choice(['Low','Medium','High'],N).tolist(),
'D': np.random.normal(100, 10, size=(N)).tolist()
})

for col in df:
    print (col)

# 输出结果：
A
x
y
C
D

内置迭代方法

遍历 DataFrame 的每一行，有下列函数：

• 1) iteritems()：以键值对 (key,value) 的形式遍历；
• 2) iterrows()：以 (row_index,row) 的形式遍历行;
• 3) itertuples()：使用已命名元组的方式对行遍历。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(4,3),columns=['col1','col2','col3'])
print(df)

输出结果：
       col1      col2      col3
0 -0.319301  0.205636  0.247029
1  0.673788  0.874376  1.286151
2  0.853439  0.543066 -1.759512

1) iteritems()

以键值对的形式遍历 DataFrame 对象，以列标签为键，以对应列的元素为值。

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

输出结果：
col1 
0 -0.319301
1  0.673788
2  0.853439
Name: col1, dtype: float64
col2 
0  0.205636
1  0.874376
2  0.543066
Name: col2, dtype: float64
col3 
0  0.247029
1  1.286151
2 -1.759512
Name: col3, dtype: float64

2) iterrows()

该方法按行遍历，返回一个迭代器，以行索引标签为键，以每一行数据为值。示例如下：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(3,3),columns = ['col1','col2','col3'])

for row_index,row in df.iterrows():
    print (row_index,row)

输出结果：
0
col1   -0.319301
col2    0.205636
col3    0.247029
Name: 0, dtype: float64
1
col1    0.673788
col2    0.874376
col3    1.286151
Name: 1, dtype: float64
2
col1    0.853439
col2    0.543066
col3   -1.759512
Name: 2, dtype: float64

注意：iterrows() 遍历行，其中 0,1,2 是行索引而 col1,col2,col3 是列索引。

3) itertuples

itertuples() 同样将返回一个迭代器，该方法会把 DataFrame 的每一行生成一个元组，示例如下：

for row in df.itertuples():
    print(row)

输出结果：
Pandas(Index=0, col1=0.253902385555437, col2=0.9846386610838339, col3=0.8814786409138894)
Pandas(Index=1, col1=0.186673672989089, col2=0.5954745800963542, col3=0.0461448862299109)
Pandas(Index=2, col1=0.306629787541209, col2=0.1798421092872353, col3=0.8573031941082285)

迭代返回副本

迭代器返回的是原对象的副本，所以在迭代过程中修改元素值，不会影响原对象，这点需要注意。

for index, row in df.iterrows():
    row['a'] = 15
    print (df)

输出结果：
       col1      col2      col3
0 -0.319301  0.205636  0.247029
1  0.673788  0.874376  1.286151
2  0.853439  0.543066 -1.759512

由上述示例可见，原对象df没有受到任何影响。