541 字
3 分钟
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 sys
print('python 版本：',sys.version.split('|')[0])#python 版本： 3.11.5
import pandas as pd
print(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 pddata=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: 1
print("row.分割字符:",row.分割字符) #row.分割字符: 1&1&1
print("row.固定宽度:",row.固定宽度) #row.固定宽度: 111
break2. 忽略掉索引
import pandas as pddata=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: 1
print("row.分割字符:",row.分割字符) #row.分割字符: 1&1&1
print("row.固定宽度:",row.固定宽度) #row.固定宽度: 111
break3. 对命名元组起别名
import pandas as pddata=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: 1
print("row.分割字符:",row.分割字符) #row.分割字符: 1&1&1
print("row.固定宽度:",row.固定宽度) #row.固定宽度: 111
break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 pddata=pd.read_excel("data.xlsx")
for index,row in data.iterrows(): print("index:",index,"\n") #index: 0
print("row:",row,"\n") #row: 序号 1 #分割字符 1&1&1 #固定宽度 111 #Name: 0, dtype: object
print("type(row):",type(row),"\n") #type(row): <class 'pandas.core.series.Series'>
print("row['序号']:",row['序号']) #row['序号']: 1
print("row['分割字符']:",row['分割字符']) #row['分割字符']: 1&1&1
print("row['固定宽度']:",row['固定宽度']) #row['固定宽度']: 111
break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
