python中遍历dataframe_python读入dataframe

      在数据分析的过程中，往往需要用到DataFrame的类型，因为这个类型就像EXCEL表格一样，便于我们个中连接、计算、统计等操作。在数据分析的过程中，避免不了的要对数据进行遍历，那么，DataFrame如何遍历呢？之前，小白每次使用时都是Google或百度，想想，还是总结一下~

      小白经常用到的有三种方式，如下：

首先，先读入一个DataFrame

1. import pandas as pd

2. #读入数据

3. df = pd.read_table('d:/Users/chen_lib/Desktop/tmp.csv',sep=',', header='infer')

4. df.head()

6. -----------------result------------------

7. mas effectdate num

8. 0 371379 2019-07-15 361

9. 1 344985 2019-07-13 77

10. 2 425090 2019-07-01 105

11. 3 344983 2019-02-19 339

12. 4 432430 2019-02-21 162

1.DataFrame.iterrows()

       将DataFrame的每一行迭代为{索引，Series}对，对DataFrame的列，用row['cols']读取元素

1. for index, row in df.iterrows():

2. print(index,row['mas'],row['num'])

6. ------------result---------------

7. 0 371379 361

8. 1 344985 77

9. 2 425090 105

10. 3 344983 339

11. 4 432430 162

从结果可以看出，第一列就是对应的index，也就是索引，从0开始，第二第三列是自定义输出的列，这样就完成了对DataFrame的遍历。

2.DataFrame.itertuples()

       将DataFrame的每一行迭代为元祖，可以通过row['cols']对元素进行访问，方法一效率高。

1. for row in df.itertuples():

2. print(getattr(row, 'mas'), getattr(row, 'num')) # 输出每一行

5. -------------result-----------------

6. 371379 361

7. 344985 77

8. 425090 105

9. 344983 339

10. 432430 162

从结果可以看出，这种方法是没有index的，直接输出每一行的结果。

3.DataFrame.iteritems()

     这种方法和上面两种不同，这个是按列遍历，将DataFrame的每一列迭代为(列名, Series)对，可以通过row['cols']对元素进行访问。

1. for index, row in df.iteritems():

2. print(index,row[0],row[1],row[2])

5. -------------result------------------

6. masterhotelid 371379 344985 425090

7. effectdate 2019-07-15 2019-07-13 2019-07-01

8. quantity 361 77 105

从结果可以看出，index输出的是列名，row是用来读取第几行的数据，结果是按列展示

       以上就是小白经常用到的遍历DataFrame的方法啦，欢迎大家补充哦~