如何有效地迭代 Pandas DataFrame 行？

遍历 Pandas DataFrame 行

遍历 Pandas DataFrame 的行是操作表格数据时经常遇到的情况。本文探讨了完成此任务的两种方法，并阐明了行对象的组成。

使用 iterrows()

Pandas 提供了一个高效的 DataFrame.iterrows 生成器，它返回索引和行作为每个观察的一个系列。此方法允许使用行索引直接访问列值：

此代码片段输出：

性能注意事项的注意事项

迭代 Pandas 对象时通常是一种方便的方法，但与矢量化操作相比，它可能会很慢。为了获得最佳性能，请考虑替代技术，例如：

• 利用内置方法和 NumPy 函数进行矢量化计算。
• 利用布尔索引进行高效数据子集化。
• 使用 apply() 进行需要直接修改的迭代操作。
• 优化使用 cython 或 numba 的性能关键循环。

其他迭代方法

除了 iterrows()，Pandas 还提供其他行迭代方法，例如：

• itertuples():为每个返回一个命名元组row.
• iterrows(ignore_index=True): 迭代行，不包括索引。
• itertuples(ignore_index=True): 类似于itertuples()，但不包括索引。

以上是如何有效地迭代 Pandas DataFrame 行？的详细内容。更多信息请关注PHP中文网其他相关文章！