(iterrows) Python函数之iterrows(),iteritems(),itertuples()的区别说明 Pandas中的迭代函数全网首发(图文详解1)

(iterrows) Python函数之iterrows(),iteritems(),itertuples()的区别说明

在Python的数据处理库Pandas中，iterrows(), iteritems(), 和 itertuples()是三个经常用来遍历DataFrame的函数，各自的用法和性能特点有所不同。下面详细解释这三个函数的差异，并提供相应的使用方法和示例代码。

1. iterrows()

iterrows()是一个生成器，它迭代DataFrame的行，返回每行的索引和一个包含行数据的Series对象。使用iterrows()遍历较大的DataFrame时可能会比较慢，因为每次迭代会返回一个Series对象。

使用方法:

import pandas as pd

# 构建示例DataFrame
df = pd.DataFrame({
  'A': [1, 2, 3],
  'B': [4, 5, 6]
})

# 使用iterrows遍历
for index, row in df.iterrows():
  print(f"Index: {index}, A: {row['A']}, B: {row['B']}")

2. iteritems()

iteritems()也是一个生成器，它按列遍历DataFrame，返回每列的索引（即列名）和一个包含列数据的Series对象。这对于需要逐列处理数据的场景很有用。

使用方法:

import pandas as pd

df = pd.DataFrame({
  'A': [1, 2, 3],
  'B': [4, 5, 6]
})

# 使用iteritems遍历
for label, series in df.iteritems():
  print(f"Label: {label}, Values: {list(series)}")

3. itertuples()

itertuples()迭代DataFrame的行，返回一个命名元组。与iterrows()相比，itertuples()通常速度更快，因为它不需要为每行构造一个Series对象。但是，返回的元组不允许你修改其内容。

使用方法:

import pandas as pd

df = pd.DataFrame({
  'A': [1, 2, 3],
  'B': [4, 5, 6]
})

# 使用itertuples遍历
for row in df.itertuples():
  # 访问方式不同，使用索引名称作为属性
  print(f"Index: {row.Index}, A: {row.A}, B: {row.B}")