在 Pandas 中，DataFrame 是一個(gè)非常重要且常用的數(shù)據(jù)結(jié)構(gòu)，它提供了對(duì)表格數(shù)據(jù)進(jìn)行操作的強(qiáng)大功能。當(dāng)我們需要遍歷 DataFrame 的行時(shí)，通常有兩種方法可供選擇：使用 iterrows() 方法和使用 itertuples() 方法。這篇文章將詳細(xì)介紹這兩種方法的使用方法和性能差異。

使用 iterrows() 方法

iterrows() 方法是 Pandas 中最常用的遍歷 DataFrame 行的方法之一。它可以將 DataFrame 中的每一行轉(zhuǎn)換為一個(gè)元組，其中包含行索引和行數(shù)據(jù)。下面是使用 iterrows() 方法遍歷 DataFrame 行的基本示例：

import pandas as pd

# 創(chuàng)建一個(gè) DataFrame
df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})

# 遍歷 DataFrame 行
for index, row in df.iterrows():
    print(f"Row index: {index}, Row data: {row}")

在上面的代碼中，我們首先創(chuàng)建了一個(gè)簡(jiǎn)單的 DataFrame，然后使用 iterrows() 方法遍歷了每一行，并打印出了行索引和行數(shù)據(jù)。輸出結(jié)果如下：

Row index: 0, Row data: col1    1
col2    3
Name: 0, dtype: int64
Row index: 1, Row data: col1    2
col2    4
Name: 1, dtype: int64

從輸出結(jié)果可以看出，iterrows() 方法返回的是一個(gè)元組，其中第一個(gè)元素是行索引，第二個(gè)元素是一個(gè) Series 對(duì)象，它包含了該行的數(shù)據(jù)。我們可以使用 .loc[] 方法來(lái)訪問(wèn)該 Series 對(duì)象中的每個(gè)元素。

雖然 iterrows() 方法非常方便，但它并不適合處理大型 DataFrame。這是因?yàn)?iterrows() 是一種基于 Python for 循環(huán)的方法，它需要遍歷整個(gè) DataFrame 的每一行，并將其轉(zhuǎn)換為一個(gè)元組。對(duì)于大型 DataFrame，這種方法的計(jì)算成本非常高，因此可能會(huì)導(dǎo)致性能問(wèn)題。

使用 itertuples() 方法

如果您需要處理大型 DataFrame，那么建議使用 itertuples() 方法而不是 iterrows() 方法。itertuples() 方法返回一個(gè)生成器對(duì)象，其中包含每一行的命名元組（namedtuple）。與 iterrows() 方法不同，itertuples() 方法會(huì)在 DataFrame 中更快地處理大量數(shù)據(jù)。下面是使用 itertuples() 方法遍歷 DataFrame 行的示例：

import pandas as pd

# 創(chuàng)建一個(gè) DataFrame
df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})

# 遍歷 DataFrame 行
for row in df.itertuples():
    print(row)

在上面的代碼中，我們首先創(chuàng)建了一個(gè)簡(jiǎn)單的 DataFrame，然后使用 itertuples() 方法遍歷了每一行，并打印出了命名元組。輸出結(jié)果如下：

Pandas(Index=0, col1=1, col2=3)
Pandas(Index=1, col1=2, col2=4)

從輸出結(jié)果可以看出，itertuples() 方法返回的是一個(gè)命名元組，其中包含行索引和行數(shù)據(jù)。與 iterrows() 方法不同，它并沒(méi)有將每一行轉(zhuǎn)換為一個(gè) Series 對(duì)象。這樣可以減少額外的計(jì)算成本，并提高代碼的性能。

用于遍歷 DataFrame 行的最佳方法

使用 iterrows() 方法或 itertuples() 方法都可以遍歷 DataFrame 行。但是，由于 iterrows() 方法需要將每一行轉(zhuǎn)換為一個(gè)元組，因此它在處理大型 DataFrame 時(shí)可能會(huì)導(dǎo)致性能問(wèn)題。相比之下，itertuples() 方法更加快速和高效，因?yàn)樗苯臃祷匾粋€(gè)元組，而不需要將其轉(zhuǎn)換為 Series 對(duì)象。

因此，建議在處理大型 DataFrame 時(shí)使用 itertuples() 方法，以

提高代碼的性能。但是，在處理小型 DataFrame 時(shí)，iterrows() 方法的速度可能更快，因?yàn)樗?itertuples() 方法少了一些額外的計(jì)算成本。

另外，需要注意的是，使用 iterrows() 方法或 itertuples() 方法遍歷 DataFrame 行時(shí)，都不能修改數(shù)據(jù)框的值。如果需要修改 DataFrame 數(shù)據(jù)，則應(yīng)該使用 .loc[] 方法或類似方法。

總結(jié)

遍歷 DataFrame 行是在 Pandas 中常見(jiàn)的操作之一。有兩種方法可以實(shí)現(xiàn)這個(gè)目標(biāo)：iterrows() 方法和itertuples() 方法。雖然這兩種方法都可以遍歷 DataFrame 行，但是它們的性能差異很大。如果需要處理大型 DataFrame，則建議使用 itertuples() 方法以提高代碼的性能。但是，在處理小型 DataFrame 時(shí)，iterrows() 方法可能更快。

無(wú)論使用哪種方法，都應(yīng)該記住不能直接修改 DataFrame 的值。如果需要修改 DataFrame 數(shù)據(jù)，則應(yīng)該使用類似 .loc[] 方法的方法。

希望本文對(duì)您在 Pandas 中遍歷 DataFrame 行有所幫助。