有如下 Pandas DataFrame：

import pandas as pd
inp = [{'c1':10, 'c2':100}, {'c1':11,'c2':110}, {'c1':12,'c2':120}]
df = pd.DataFrame(inp)
print df
上面代码输出：
 
   c1   c2
0  10  100
1  11  110
2  12  120
现在需要遍历上面DataFrame的行。对于每一行，都希望能够通过列名访问对应的元素(单元格中的值)。也就是说，需要类似如下的功能：
 
for row in df.rows:
   print row['c1'], row['c2']
Pandas 可以这样做吗？
 
我找到了similar question。但这并不能给我需要的答案，里面提到：
 
for date, row in df.T.iteritems():
for row in df.iterrows():
但是我不明白row对象是什么，以及我如何使用它。
 
最佳解决方案
 
要以 Pandas 的方式迭代遍历DataFrame的行，可以使用：
 
DataFrame.iterrows()
for index, row in df.iterrows():
    print row["c1"], row["c2"]
DataFrame.itertuples()
for row in df.itertuples(index=True, name='Pandas'):
    print getattr(row, "c1"), getattr(row, "c2")
itertuples()应该比iterrows()快
 
但请注意，根据文档(目前 Pandas 0.19.1)：
 
iterrows：数据的dtype可能不是按行匹配的，因为iterrows返回一个系列的每一行，它不会保留行的dtypes(dtypes跨DataFrames列保留)*
iterrows：不要修改行
你不应该修改你正在迭代的东西。这不能保证在所有情况下都能正常工作。根据数据类型的不同，迭代器返回一个副本而不是一个视图，写入它将不起作用。
改用DataFrame.apply()：
new_df = df.apply(lambda x: x * 2)
itertuples：列名称将被重命名为位置名称，如果它们是无效的Python标识符，重复或以下划线开头。对于大量的列(> 255)，返回常规元组。
 
第二种方案: apply
 
您也可以使用df.apply()遍历行并访问函数的多个列。
 
docs: DataFrame.apply()
 
def valuation_formula(x, y):
    return x * y * 0.5
df['price'] = df.apply(lambda row: valuation_formula(row['x'], row['y']), axis=1)
第三种方案：iloc
 
您可以使用df.iloc函数，如下所示：
 
for i in range(0, len(df)):
    print df.iloc[i]['c1'], df.iloc[i]['c2']
第四种方案：略麻烦，但是更高效，将DataFrame转为List
 
您可以编写自己的实现namedtuple的迭代器
 
from collections import namedtuple
def myiter(d, cols=None):
    if cols is None:
        v = d.values.tolist()
        cols = d.columns.values.tolist()
    else:
        j = [d.columns.get_loc(c) for c in cols]
        v = d.values[:, j].tolist()
    n = namedtuple('MyTuple', cols)
    for line in iter(v):
        yield n(*line)
这相当于pd.DataFrame.itertuples，但是效率更高。
 
将自定义函数用于给定的DataFrame：
 
list(myiter(df))
[MyTuple(c1=10, c2=100), MyTuple(c1=11, c2=110), MyTuple(c1=12, c2=120)]
或与pd.DataFrame.itertuples：
 
list(df.itertuples(index=False))
[Pandas(c1=10, c2=100), Pandas(c1=11, c2=110), Pandas(c1=12, c2=120)]
全面的测试
 
我们测试了所有可用列：
 
def iterfullA(d):
    return list(myiter(d))
def iterfullB(d):
    return list(d.itertuples(index=False))
def itersubA(d):
    return list(myiter(d, ['col3', 'col4', 'col5', 'col6', 'col7']))
def itersubB(d):
    return list(d[['col3', 'col4', 'col5', 'col6', 'col7']].itertuples(index=False))
res = pd.DataFrame(
    index=[10, 30, 100, 300, 1000, 3000, 10000, 30000],
    columns='iterfullA iterfullB itersubA itersubB'.split(),
    dtype=float
for i in res.index:
    d = pd.DataFrame(np.random.randint(10, size=(i, 10))).add_prefix('col')
    for j in res.columns:
        stmt = '{}(d)'.format(j)
        setp = 'from __main__ import d, {}'.format(j)
        res.at[i, j] = timeit(stmt, setp, number=100)
res.groupby(res.columns.str[4:-1], axis=1).plot(loglog=True);
                                    你可以使用 for 循环来遍历 dataframe 中的每一行。在每次循环中，你可以使用 iterrows() 方法来获取 dataframe 的每一行。示例代码如下：
forindex, row in df.iterrows():
    print(index, row)
在这段代码中，index 是每一行的索引，row 是一个包含每一列数据的 Series 对象。你可以使用 row['co...
                                    Python部落(python.freelycode.com)组织翻译，禁止转载，欢迎转发。介绍本文将讨论使用iloc处理具有大量列的数据集的几个技巧和快捷方式。即使您有一些使用iloc的经验，您也应该学习一些有用的技巧来加速您自己的分析，并避免在您的代码中键入大量的列名。为什么我们要关心列的选择?在许多标准数据科学示例中，列的数量相对较少。例如，Titanic有8个，Iris有4个，Boston...
iteritem()方法返回一个<class ‘method’>数据,可利用for循环获得输出
iterrow()方法返回一个<class ‘generator’>数据,可利用for循环获得输出
itertuple()方法返回一个<class ‘pandas.core.frame.Pandas’>数据,可利用getattr(row,‘列索引’)方法获得对应数据
演示数据准备：
data = {'state':['Ohio
                                    DataFrame数据遍历一、读取csv内容，格式与数据类型如下二、按行遍历数据：iterrows三、按行遍历数据：itertuples四、按列遍历数据：iteritems四、读取和修改某一个数据五、遍历dataframe中每一个数据
一、读取csv内容，格式与数据类型如下
data = pd.read_csv('save\LH8888.csv')
print(type(data))
print(data)
输出结果如下：
二、按行遍历数据：iterrows
获取行名：名字、年龄、身高、体重
                                    //json文件
//{"page_id":"87","pay_category_ids":"99","pay_product_ids":"96","city_id":5}
//{"pay_category_ids":"74","city_id":0} 
val df = sparkSession.read.json("./src/data/test")
df.show()
df.rdd.foreach(row => {
    println("getAs: "+row.getAs[String].
                                    在pandas中dataframe可以一维格式化的二维数据，是一个很清晰数据表， 那你知道如何遍历这个数据表吗？本文介绍pandas遍历dataframe方法：1、使用df.iterrows()获取可迭代对象, 然后使用for循环遍历；2、使用applymap()函数遍历dataframe所有元素；3、按行遍历迭代成元组。
方法一：使用df.iterrows()获取可迭代对象, 然后使用for循环遍历即可
for index, row in df.iterrows():
  print(index, ro
                                    我有一个熊猫数据框，df：如何迭代此数据框的行？对于每一行，我希望能够通过列名访问其元素（单元格中的值）。例如：我发现了一个similar question，它建议使用以下任何一种：但我不明白 row 对象是什么以及如何使用它。
                                    不得不说DataFrame现在很火，已经有很多库都是基于DataFrame写的，而且它用起来也很方便，读excel只需要一行代码，起使用xlrd的日子，至今还脑壳疼，所以对于一个用python做数据处理的人来说，pandas是必须要了解的。对于一个数据处理工具来说，读写是最基本的，下面是我最近整理的关于pandas一些基本本操作，主要包括以下内容：如何创建DataFrame如何读取DataFram...
                                    df 的索引
df = pd.DataFrame([[0, 2, 3], [0, 4, 1], [10, 20, 30]],
                  index=[4, 5, 6], columns=['A', 'B', 'C'])
    A   B   C
4   0   2   3
5   0   4   1
6  10  20  30
# 获取某些列——用列名 得到的还是df
df['A']
4     0
5     0
6    10
print(type(df['A']))
                                    不能使用^{}读取嵌套表，但可以滚动自己的html阅读器，并对表单元格使用read_html：import pandas as pdimport bs4with open('up_pf00344.test.html') as f:html = f.read()soup = bs4.BeautifulSoup(html, 'lxml')results = soup.find(attrs = {'id...