使用pandas按行遍历是数据科学的常见需求之一。在本篇文章中，我们将从多个方面来详细阐述如何使用pandas按行遍历，包括遍历、筛选、修改和使用apply函数进行行操作。
一、遍历
pandas有多种遍历方法。我们可以使用iterrows、itertuples和iteritems三种方法来访问pandas数据帧的每一行。其中iterrows和itertuples方法是最常见的方法。
二、筛选
当我们想要只访问数据中特定行时，可以使用boolean indexing来进行筛选。
import pandas as pd
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})
# 筛选age大于30的行
for index, row in df[df['age'] > 30].iterrows():
print(f"Name: {row['name']}, Age: {row['age']}")
上述代码将打印以下内容：
Name: Charlie, Age: 35
三、修改
当我们想要修改数据集中的特定行时，可以使用at或iat方法进行索引。
import pandas as pd
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})
# 修改第一行的名字
df.at[0, 'name'] = 'Alicia'
for index, row in df.iterrows():
print(f"Name: {row['name']}, Age: {row['age']}")
上述代码将打印以下内容：
Name: Alicia, Age: 25
Name: Bob, Age: 30
Name: Charlie, Age: 35
四、使用apply函数进行行操作
apply函数能够操作每一行或每一列的值，从而实现自定义计算和处理。
import pandas as pd
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})
# 将age值加上5
df['age'] = df['age'].apply(lambda x: x + 5)
for index, row in df.iterrows():
print(f"Name: {row['name']}, Age: {row['age']}")
上述代码将打印以下内容：
Name: Alice, Age: 30
Name: Bob, Age: 35
Name: Charlie, Age: 40
总结
本文从方方面面介绍了pandas按行遍历的方法，包括遍历、筛选、修改和使用apply函数进行行操作。通过使用这些方法，我们可以更加灵活的处理pandas数据集。
京公网安备 11010802030320号