使用df.at及iterrows() 遍历DataFrame数据行

冷不防 2024-02-19 07:41 32阅读 0赞

`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 pd
    
    data = {'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)