pandas如何遍历一个datafarame的第指定列

在 Pandas 中，该如何遍历 DataFrame 的第一列，下面为你详细介绍几种常见的方法。

示例数据

首先，我们创建一个示例 DataFrame 用于后续的演示：

import pandas as pd

data = {
    'col1': [10, 20, 30, 40, 50],
    'col2': ['a', 'b', 'c', 'd', 'e']
}
df = pd.DataFrame(data)

方法一：使用 for 循环遍历 Series

可以直接通过列名获取 DataFrame 的第一列（它是一个 Series 对象），然后使用 for 循环遍历这个 Series。

for value in df['col1']:
    print(value)

方法二：使用 iterrows() 方法

iterrows() 方法会将 DataFrame 按行迭代，返回一个包含行索引和行数据的元组，我们可以从中提取第一列的值。

import pandas as pd

data = {
    'col1': [10, 20, 30, 40, 50],
    'col2': ['a', 'b', 'c', 'd', 'e']
}
df = pd.DataFrame(data)
print('原dataframe：',df)

for index,row in df.iterrows():
    print(row['col1'])

方法三：使用 itertuples() 方法

itertuples() 方法也是按行迭代 DataFrame，但它返回的是 namedtuple 对象，访问列数据时可以通过列名或者索引。

import pandas as pd

data = {
    'col1': [10, 20, 30, 40, 50],
    'col2': ['a', 'b', 'c', 'd', 'e']
}
df = pd.DataFrame(data)
print('原dataframe：',df)

for row in df.itertuples():
    print(row.col1)
    # 也可以通过索引访问，索引从 1 开始，因为第 0 个位置是行索引
    print(row[1])

方法四：使用 apply() 方法

apply() 方法可以对 DataFrame 的某一列或所有列应用一个函数，这里我们可以定义一个简单的函数来处理第一列的值。

import pandas as pd

def print_value(value):
    print(value)

data = {
    'col1': [10, 20, 30, 40, 50],
    'col2': ['a', 'b', 'c', 'd', 'e']
}
df = pd.DataFrame(data)
print('原dataframe：',df)
df['col1'].apply(print_value)
df['col2'].apply(print_value)

方法比较

• 使用 for 循环遍历 Series：代码简洁，适用于简单的遍历操作，性能相对较好。
• 使用 iterrows() 方法：可以同时获取行索引和行数据，但性能相对较差，因为它会返回一个新的 Series 对象，且在大数据集上迭代速度较慢。
• 使用 itertuples() 方法：性能比 iterrows() 好，因为它返回的是 namedtuple 对象，内存占用少，迭代速度快。
• 使用 apply() 方法：可以对列数据进行更复杂的操作，通过定义不同的函数来实现不同的功能，但在简单遍历场景下略显繁琐，但是如果在要在遍历的过程中，实现更加复杂的功能，可以使用apply()。