Python DataFrame遍歷

在數據分析、挖掘與建模中，DataFrame 是不可或缺的一種數據結構。然而，在進行數據處理時，往往需要對 DataFrame 進行遍歷操作。本文將從多個方面介紹 Python 中對 DataFrame 進行遍歷的方法。

一、基本遍歷

最基本的遍歷 DataFrame 的方法是使用 for 循環。代碼如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

for index, row in df.iterrows():
    print(index, row['col1'], row['col2'])

其中，iterrows() 方法將 DataFrame 中的每一行返回為一個元組 (index, ser)，其中 index 表示行索引，ser 表示包含行數據的 Series。

這種方法雖然簡單，但是當 DataFrame 數據量較大時會比較慢，不建議使用。

二、使用 loc 標籤

loc 是 DataFrame 中基於標籤（label）進行對行數據訪問的方法。使用 loc 進行遍歷時，代碼如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

for index in df.index:
    row = df.loc[index]
    print(index, row['col1'], row['col2'])

在這個方法中，我們使用 df.index 返回 DataFrame 中的所有行索引。然後，我們使用 loc 方法和行索引獲取每一行的數據，並進行相應的處理。

三、使用 apply 方法

在 pandas 中，apply 方法允許我們對 DataFrame 的每個元素執行一個指定的函數。使用 apply 對 DataFrame 進行遍歷時，代碼如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

def process(row):
    print(row['col1'], row['col2'])

df.apply(process, axis=1)

在 apply 方法中，我們首先定義了一個名為 process 函數，其輸入參數為 row，表示 DataFrame 中的一行數據。然後，我們使用 axis=1 指定對 DataFrame 的每行進行函數 process 的處理。

四、使用 itertuples 方法

itertuples 方法可以提高對 DataFrame 的遍歷效率。使用 itertuples 方法對 DataFrame 進行遍歷時，代碼如下所示：

import pandas as pd

df = pd.read_csv('data.csv')

for row in df.itertuples(name='MyTuple'):
    print(getattr(row, 'col1'), getattr(row, 'col2'))

在這個方法中，itertuples 方法返回一個名為 MyTuple 的元組，元組中包含了行索引和列數據。因為 DataFrame 的列數據是通過屬性訪問的，所以我們可以使用 getattr 來代替點操作符來訪問工廠。

五、使用 numpy 數組進行遍歷

最後，我們可以使用 numpy 數組進行遍歷。代碼如下所示：

import pandas as pd
import numpy as np

df = pd.read_csv('data.csv')

values = df.values

for index, value in np.ndenumerate(values):
    print(index, value)

在這個方法中，我們使用 values 屬性獲取 DataFrame 中所有的數據，然後使用 numpy 中的 ndenumerate 函數遍歷這些數據。ndenumerate 函數返回一個元組，包含了每個元素的行列索引和對應的值。

總結

本文介紹了五種常用的 DataFrame 遍歷方法，並給出了相應的代碼示例。在實際應用中，應根據數據集大小、使用場景等多種因素選擇最適合的遍歷方法。