Python pandas 遍历行数据的两种方法总结

在 Python 的数据分析领域，pandas 库是不可或缺的工具。当我们需要对数据框中的行数据进行遍历处理时，有多种方法可供选择。本文将重点介绍两种常见且实用的方法。

方法一：使用iterrows()函数

iterrows()函数会返回一个生成器，每次迭代都会产生一个包含行索引和行数据的元组。以下是一个示例代码：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)

for index, row in df.iterrows():
    print(f'Index: {index}, Name: {row["Name"]}, Age: {row["Age"]}')

这种方法简单直观，但需要注意的是，iterrows()在性能上可能不是最优的，尤其是对于大型数据集。

方法二：使用itertuples()函数

itertuples()函数返回的是一个生成器，每次迭代产生一个命名元组，其中包含了行数据。示例如下：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)

for row in df.itertuples():
    print(f'Name: {row.Name}, Age: {row.Age}')

与iterrows()相比，itertuples()在性能上通常更优，特别是在处理大规模数据时。

在实际应用中，选择哪种方法取决于具体的需求和数据规模。如果数据量较小，对性能要求不高，iterrows()的简单性可能更具吸引力。而对于大规模数据的处理，为了提高效率，itertuples()则是更好的选择。

掌握这两种遍历行数据的方法，将有助于我们更高效地处理和分析数据，充分发挥 Python pandas 在数据分析中的强大功能。无论是进行数据清洗、转换还是提取特定的信息，都能更加得心应手。