df.iterrows() 是 Pandas 中的一个方法，用于在遍历 DataFrame 时，逐行返回每一行的索引和数据

df.iterrows() 是 Pandas 中的一个方法，用于在遍历 DataFrame 时，逐行返回每一行的索引和数据。它生成一个迭代器，每次迭代时返回一个 (index, Series) 对，index 是行索引，Series 是该行的数据。

详细解释

• df.iterrows():
  • 这个方法遍历 DataFrame 的每一行。
  • 每次迭代时，返回的是 (index, Series)，其中 index 是行的索引，Series 是表示行数据的 Pandas Series 对象。

示例

假设有一个 DataFrame df：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

 

这个 DataFrame 看起来像这样：

	A	B	C
0	1	4	7
1	2	5	8
2	3	6	9

如果使用 iterrows() 迭代：

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

 

输出将是：

0
A    1
B    4
C    7
Name: 0, dtype: int64

1
A    2
B    5
C    8
Name: 1, dtype: int64

2
A    3
B    6
C    9
Name: 2, dtype: int64

 

作用总结

• 遍历每一行：iterrows() 允许你逐行遍历 DataFrame 的数据，非常适合需要逐行处理数据的情况。
• 返回行索引和行数据：在每次迭代中，你会得到当前行的索引和一个包含该行数据的 Series 对象。
• 灵活的数据操作：你可以在遍历过程中对行数据进行任何操作，例如数据处理、条件判断、存储等。

注意事项

• iterrows() 的性能在处理大数据集时可能不如矢量化操作高效，因为它逐行遍历，不能充分利用 Pandas 的优化。
• iterrows() 返回的是行的副本，而不是视图，对 row 的修改不会影响原始 DataFrame。

因此，df.iterrows() 适用于需要逐行处理数据的场景，但在可能的情况下，应该优先选择更高效的矢量化操作。