Python pandas遍历行数据的2种方法

背景

pandas在数据处理过程中，除了对整列字段进行处理之外，有时还需求对每一行进行遍历，来处理每行的数据。本篇文章介绍 2 种方法，来遍历pandas 的行数据

小编环境

import sysprint('python 版本：',sys.version.split('|')[0])   
#python 版本： 3.11.5import pandas as pdprint(pd.__version__)
#2.1.0

演示数据

方法1

pandas.DataFrame.itertuples：返回的是一个命名元组
官方文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.itertuples.html

1. 无任何参数

import pandas as pd
data=pd.read_excel("data.xlsx")for row in data.itertuples():print("row:",row,"\n")#row: Pandas(Index=0, 序号=1, 分割字符='1&1&1', 固定宽度='111') print("type(row):",type(row),"\n")#type(row): <class 'pandas.core.frame.Pandas'> print("row.序号:",row.序号)#row.序号: 1print("row.分割字符:",row.分割字符)#row.分割字符: 1&1&1print("row.固定宽度:",row.固定宽度)#row.固定宽度: 111break

2. 忽略掉索引

import pandas as pd
data=pd.read_excel("data.xlsx")for row in data.itertuples(index=False):  #忽律索引print("row:",row,"\n")#row: Pandas(序号=1, 分割字符='1&1&1', 固定宽度='111') print("type(row):",type(row),"\n")#type(row): <class 'pandas.core.frame.Pandas'> print("row.序号:",row.序号)#row.序号: 1print("row.分割字符:",row.分割字符)#row.分割字符: 1&1&1print("row.固定宽度:",row.固定宽度)#row.固定宽度: 111break

3. 对命名元组起别名

import pandas as pd
data=pd.read_excel("data.xlsx")for row in data.itertuples(index=False,name="data"):print("row:",row,"\n")#row: data(序号=1, 分割字符='1&1&1', 固定宽度='111')  print("type(row):",type(row),"\n")#type(row): <class 'pandas.core.frame.data'> print("row.序号:",row.序号)#row.序号: 1print("row.分割字符:",row.分割字符)#row.分割字符: 1&1&1print("row.固定宽度:",row.固定宽度)#row.固定宽度: 111break

方法2

pandas.DataFrame.iterrows：返回 (index, Series) 元组
官方文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iterrows.html

import pandas as pd
data=pd.read_excel("data.xlsx")for index,row in data.iterrows():print("index:",index,"\n")#index: 0print("row:",row,"\n")#row: 序号          1#分割字符    1&1&1#固定宽度      111#Name: 0, dtype: objectprint("type(row):",type(row),"\n")#type(row): <class 'pandas.core.series.Series'> print("row['序号']:",row['序号'])#row['序号']: 1print("row['分割字符']:",row['分割字符'])#row['分割字符']: 1&1&1print("row['固定宽度']:",row['固定宽度'])#row['固定宽度']: 111break

历史相关文章

• Python 利用pandas对数据进行特定排序
• Python pandas 2.0 初探
• Python pandas.str.replace 不起作用
• Python数据处理中 pd.concat 与 pd.merge 区别
• 对比Excel，利用pandas进行数据分析各种用法

---

以上是自己实践中遇到的一些问题，分享出来供大家参考学习，欢迎关注微信公众号：DataShare ，不定期分享干货