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[] 方法來訪問該 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。