本篇内容主要讲解“pandas.DataFrame的for循环迭代如何实现”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“pandas.DataFrame的for循环迭代如何实现”吧!
当使用for语句循环（迭代）pandas.DataFrame时，简单的使用for语句便可以取得返回列名，因此使用重复使用for方法，便可以获取每行的值。
以下面的pandas.DataFrame为例。
import pandas as pd
df = pd.DataFrame({'age': [24, 42], 'state': ['NY', 'CA'], 'point': [64, 92]},
index=['Alice', 'Bob'])
print(df)
# age state point
# Alice 24 NY 64
# Bob 42 CA 92在此对以下内容进行说明：
pandas.DataFrame for循环的应用
逐列检索
DataFrame.iteritems()
逐行检索
DataFrame.iterrows()
DataFrame.itertuples()
检索特定列的值
循环更新值
pandas.DataFrame for循环的应用
当pandas.DataFrame直接使用for循环时，按以下顺序获取列名（列名）。
for column_name in df:
print(type(column_name))
print(column_name)
print('======
')
# <class 'str'>
# age
# ======
#
# <class 'str'>
# state
# ======
#
# <class 'str'>
# point
# ======
#调用方法__iter __（）。
for column_name in df.__iter__():
print(type(column_name))
print(column_name)
print('======
')
# <class 'str'>
# age
# ======
#
# <class 'str'>
# state
# ======
#
# <class 'str'>
# point
# ======
#逐列检索
DataFrame.iteritems()
使用iteritems（）方法，您可以一一获取列名称（列名称）和元组（列名称，系列）的每个列的数据（pandas.Series类型）。
pandas.Series可以通过指定索引名称等来检索行的值。
for column_name, item in df.iteritems():
print(type(column_name))
print(column_name)
print('~~~~~~')
print(type(item))
print(item)
print('------')
print(item['Alice'])
print(item[0])
print(item.Alice)
print('======
')
# <class 'str'>
# age
# ~~~~~~
# <class 'pandas.core.series.Series'>
# Alice 24
# Bob 42
# Name: age, dtype: int64
# ------
# 24
# 24
# 24
# ======
#
# <class 'str'>
# state
# ~~~~~~
# <class 'pandas.core.series.Series'>
# Alice NY
# Bob CA
# Name: state, dtype: object
# ------
# NY
# NY
# NY
# ======
#
# <class 'str'>
# point
# ~~~~~~
# <class 'pandas.core.series.Series'>
# Alice 64
# Bob 92
# Name: point, dtype: int64
# ------
# 64
# 64
# 64
# ======
#逐行检索
一次检索一行的方法包括iterrows（）和itertuples（）。 itertuples（）更快。
如果只需要特定列的值，则如下所述，指定列并将它们分别在for循环中进行迭代会更快。
DataFrame.iterrows()
通过使用iterrows（）方法，可以获得每一行的数据（pandas.Series类型）和行名和元组（索引，系列）。
pandas.Series可以通过指定列名等来检索列的值。
for index, row in df.iterrows():
print(type(index))
print(index)
print('~~~~~~')
print(type(row))
print(row)
print('------')
print(row['point'])
print(row[2])
print(row.point)
print('======
')
# <class 'str'>
# Alice
# ~~~~~~
# <class 'pandas.core.series.Series'>
# age 24
# state NY
# point 64
# Name: Alice, dtype: object
# ------
# 64
# 64
# 64
# ======
#
# <class 'str'>
# Bob
# ~~~~~~
# <class 'pandas.core.series.Series'>
# age 42
# state CA
# point 92
# Name: Bob, dtype: object
# ------
# 92
# 92
# 92
# ======DataFrame.itertuples()
使用itertuples（）方法，可以一一获取索引名（行名）和该行数据的元组。元组的第一个元素是索引名称。
默认情况下，返回一个名为Pandas的namedtuple。由于它是namedtuple，因此可以访问每个元素的值。
for row in df.itertuples():
print(type(row))
print(row)
print('------')
print(row[3])
print(row.point)
print('======
')
# <class 'pandas.core.frame.Pandas'>
# Pandas(Index='Alice', age=24, state='NY', point=64)
# ------
# 64
# 64
# ======
#
# <class 'pandas.core.frame.Pandas'>
# Pandas(Index='Bob', age=42, state='CA', point=92)
# ------
# 92
# 92
# ======
#如果参数name为None，则返回一个普通的元组。
for row in df.itertuples(name=None):
print(type(row))
print(row)
print('------')
print(row[3])
print('======
')
# <class 'tuple'>
# ('Alice', 24, 'NY', 64)
# ------
# 64
# ======
#
# <class 'tuple'>
# ('Bob', 42, 'CA', 92)
# ------
# 92
# ======检索特定列的值
上述的iterrows（）和itertuples（）方法可以检索每一行中的所有列元素，但是如果仅需要特定的列元素，可以使用以下方法。
pandas.DataFrame的列是pandas.Series。
print(df['age'])
# Alice 24
# Bob 42
# Name: age, dtype: int64
print(type(df['age']))
# <class 'pandas.core.series.Series'>如果将pandas.Series应用于for循环，则可以按顺序获取值，因此，如果指定pandas.DataFrame列并将其应用于for循环，则可以按顺序获取该列中的值。
for age in df['age']:
print(age)
# 24
# 42如果使用内置函数zip（），则可以一次收集多列值。
for age, point in zip(df['age'], df['point']):
print(age, point)
# 24 64
# 42 92如果要获取索引（行名），使用index属性。如以上示例所示，可以与其他列一起通过zip（）获得。
print(df.index)
# Index(['Alice', 'Bob'], dtype='object')
print(type(df.index))
# <class 'pandas.core.indexes.base.Index'>
for index in df.index:
print(index)
# Alice
# Bob
for index, state in zip(df.index, df['state']):
print(index, state)
# Alice NY
# Bob CA循环更新值
iterrows（）方法逐行检索值，返回一个副本，而不是视图，因此更改pandas.Series不会更新原始数据。
for index, row in df.iterrows():
row['point'] += row['age']
print(df)
# age state point
# Alice 24 NY 64
# Bob 42 CA 92at[]选择并处理原始DataFrame中的数据时更新。
for index, row in df.iterrows():
df.at[index, 'point'] += row['age']
print(df)
# age state point
# Alice 24 NY 88
# Bob 42 CA 134有关at[]的文章另请参考以下连接。
Pandas获取和修改任意位置的值（at,iat,loc,iloc）
请注意，上面的示例使用at[]只是一个示例，在许多情况下，有必要使用for循环来更新元素或基于现有列添加新列，for循环的编写更加简单快捷。
与上述相同的处理。上面更新的对象被进一步更新。
df['point'] += df['age']
print(df)
# age state point
# Alice 24 NY 112
# Bob 42 CA 176可以添加新列。
df['new'] = df['point'] + df['age'] * 2
print(df)
# age state point new
# Alice 24 NY 112 160
# Bob 42 CA 176 260除了简单的算术运算之外，NumPy函数还可以应用于列的每个元素。以下是平方根的示例。另外，这里，NumPy的功能可以通过pd.np访问，但是，当然可以单独导入NumPy。
df['age_sqrt'] = pd.np.sqrt(df['age'])
print(df)
# age state point new age_sqrt
# Alice 24 NY 112 160 4.898979
# Bob 42 CA 176 260 6.480741对于字符串，提供了用于直接处理列（系列）的字符串方法。下面是转换为小写并提取第一个字符的示例。
df['state_0'] = df['state'].str.lower().str[0]
print(df)
# age state point new age_sqrt state_0
# Alice 24 NY 112 160 4.898979 n
# Bob 42 CA 176 260 6.480741 c以上就是pandas.DataFrame的for循环迭代如何实现的详细内容，更多关于pandas.DataFrame的for循环迭代如何实现的资料请关注九品源码其它相关文章！