遍历 Pandas DataFrame 中的行和列

迭代是一个通用术语，用于一个接一个地获取某物的每一项。 Pandas DataFrame 由行和列组成，因此，为了迭代数据帧，我们必须像字典一样迭代数据帧。在字典中，我们以与在数据帧中迭代相同的方式迭代对象的键。

在本文中，我们使用“nba.csv”文件下载 CSV，请单击此处。
在 Pandas Dataframe 中，我们可以通过两种方式迭代元素：

• 遍历行
• 遍历列

遍历行：

为了迭代行，我们可以使用三个函数iteritems()、iterrows()、itertuples()。这三个函数将有助于对行进行迭代。

使用 iterrows() 对行进行迭代

为了迭代行，我们应用了 iterrows()函数，该函数返回每个索引值以及包含每行数据的序列。

代码#1：

现在我们应用 iterrows()函数来获取行的每个元素。

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe from a dictionary
df = pd.DataFrame(dict)
 
# iterating over rows using iterrows() function
for i, j in df.iterrows():
    print(i, j)
    print()

输出：

代码#2：

Python

# importing pandas module
import pandas as pd
    
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# for data visualization we filter first 3 datasets
data.head(3)

现在我们应用 iterrows 来获取数据框中行的每个元素

Python

# importing pandas module
import pandas as pd
    
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
for i, j in data.iterrows():
    print(i, j)
    print()

输出：

使用 iteritems() 对行进行迭代

为了迭代行，我们使用 iteritems()函数，该函数迭代每列作为键，以标签作为键的值对，以及作为系列对象的列值。

代码#1：

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe from a dictionary
df = pd.DataFrame(dict)
 
print(df)

现在我们应用一个 iteritems()函数来检索一行数据帧。

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe from a dictionary
df = pd.DataFrame(dict)
 
# using iteritems() function to retrieve rows
for key, value in df.iteritems():
    print(key, value)
    print()

输出：

代码#2：

Python

# importing pandas module
import pandas as pd
    
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# for data visualization we filter first 3 datasets
data.head(3)

输出：

现在我们应用 iteritems() 以从数据框中检索行

Python

# importing pandas module
import pandas as pd
    
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
for key, value in data.iteritems():
    print(key, value)
    print()

输出：

使用 itertuples() 对行进行迭代

为了遍历行，我们应用了一个函数itertuples()，这个函数为 DataFrame 中的每一行返回一个元组。元组的第一个元素将是行的相应索引值，而其余的值是行值。

代码#1：

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe from a dictionary
df = pd.DataFrame(dict)
 
print(df)

现在我们应用一个 itertuples()函数来获取每一行的元组

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe from dictionary
df = pd.DataFrame(dict)
 
# using a itertuples()
for i in df.itertuples():
    print(i)

输出：

代码#2：

Python

# importing pandas module
import pandas as pd
    
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# for data visualization we filter first 3 datasets
data.head(3)

现在我们应用一个 itertuples() 来获取每行的 atuple

Python

# importing pandas module
import pandas as pd
    
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
for i in data.itertuples():
    print(i)

输出：

遍历 Columns ：

为了遍历列，我们需要创建一个数据框列的列表，然后遍历该列表以提取数据框列。

代码#1：

Python3

# importing pandas as pd
import pandas as pd
   
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
  
# creating a dataframe from a dictionary
df = pd.DataFrame(dict)
 
print(df)

现在我们遍历列为了遍历列，我们首先创建一个数据框列的列表，然后遍历列表。

Python

# creating a list of dataframe columns
columns = list(df)
 
for i in columns:
 
    # printing the third element of the column
    print (df[i][2])

输出：

代码#2：

Python

# importing pandas module
import pandas as pd
    
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# for data visualization we filter first 3 datasets
 col = data.head(3)
 
col

现在我们遍历 CSV 文件中的列以遍历列，我们创建数据框列的列表并遍历列表

Python

# creating a list of dataframe columns
clmn = list(col)
 
for i in clmn:
    # printing a third element of column
    print(col[i][2])

输出：