使用df.at及iterrows() 遍历DataFrame数据行

本文主要是介绍使用df.at及iterrows() 遍历DataFrame数据行，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

for i in range(len(df)) 遍历了 DataFrame 中的行索引，然后内部循环 for column in df.columns 遍历了每列的标签，使用 df.at[i, column] 访问了每个单元格的值。

# df.at 是 Pandas 中用于访问单个单元格的方法。
# value = df.at[row_label, column_label]
# row_label 是行的标签（索引）。
# column_label 是列的标签。# 创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': ['a', 'b', 'c'], 'C': [4.5, 5.5, 6.5]}
df = pd.DataFrame(data)# 遍历每行数据
for i in range(len(df)):print(f"Row {i}:")for column in df.columns:value = df.at[i, column]print(f"    {column}: {value}")

使用 iterrows() 方法遍历DataFrame的每一行
row.items() 用于迭代每行中的数据。在内部循环中，column 是列的名称（键），value 是该列的值。这样可以遍历DataFrame中的每一行并输出每个数据的列标签和值。

import pandas as pd# 创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': ['a', 'b', 'c'], 'C': [4.5, 5.5, 6.5]}
df = pd.DataFrame(data)# 使用 iterrows() 方法遍历DataFrame的每一行
# row.items() 是 Pandas Series 对象的一个方法，它用于迭代 Series 中的每个元素。Pandas Series 是一维带标签的数组，类似于字典。
for index, row in df.iterrows():print(f"Row {index}:")for column, value in row.items():print(f"    {column}: {value}")

 

• .iloc：使用整数位置索引（0 到行数-1）来选择行和列。
• .loc：使用行和列的标签或索引来选择行和列。

import pandas as pddata = {'A': [1, 2, 3], 'B': ['a', 'b', 'c'], 'C': [4.5, 5.5, 6.5]}
df = pd.DataFrame(data)column_A = df['A']  # 通过列名 'A' 访问 'A' 列的数据# .iloc：使用整数位置索引（0 到行数-1）来选择行和列。
# .loc：使用行和列的标签或索引来选择行和列。row_1 = df.iloc[0]  # 访问索引为 0 的行数据
print(row_1)row_label_0 = df.loc[0]  # 访问标签为 0 的行数据
print(row_label_0)queried_data = df.query('A > 1 and B == "b"')  # 使用 query 方法查询数据
print(queried_data)

这篇关于使用df.at及iterrows() 遍历DataFrame数据行的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---