1、注意 - 不要尝试在迭代时修改任何对象。迭代是用于读取，迭代器返回原始对象(视图)的副本，因此更改将不会反映在原始对象上。
2、itertuples()方法将为DataFrame中的每一行返回一个产生一个命名元组的迭代器。元组的第一个元素将是行的相应索引值，而剩余的值是行值。
3、iterrows()返回迭代器，产生每个索引值以及包含每行数据的序列
4、
要遍历数据帧(DataFrame)中的行，可以使用以下函数 -
-
iteritems()- 迭代(key，value)对 -
iterrows()- 将行迭代为(索引，系列)对 -
itertuples()- 以namedtuples的形式迭代行
iteritems()示例
将每个列作为键，将值与值作为键和列值迭代为Series对象。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2018/5/24 15:03
# @Author : zhang chao
# @File : s.py #可以使用apply()方法沿DataFrame或Panel的轴应用任意函数，它与描述性统计方法一样，采用可选的轴参数。
# 默认情况下，操作按列执行，将每列列为数组。
import pandas as pd
import numpy as np N=20 df = pd.DataFrame({
'A': pd.date_range(start='2016-01-01',periods=N,freq='D'),
'x': np.linspace(0,stop=N-1,num=N),
'y': np.random.rand(N),
'C': np.random.choice(['Low','Medium','High'],N).tolist(),
'D': np.random.normal(100, 10, size=(N)).tolist()
})
print('-'*100)
print("for col in df:")
for col in df:
print (col)
##########################################################################
df = pd.DataFrame(np.random.randn(4,3),columns=['col1','col2','col3'])
print('-'*100)
print("for key,value in df.iteritems():")#观察一下，单独迭代每个列作为系列中的键值对
for key,value in df.iteritems():
print (key,value)
print('-'*100)
print("for row_index,row in df.iterrows():")
print("由于iterrows()遍历行，因此不会跨该行保留数据类型。0,1,2是行索引，col1，col2，col3是列索引:")
for row_index,row in df.iterrows():
print (row_index,row)
#注意 - 由于iterrows()遍历行，因此不会跨该行保留数据类型。0,1,2是行索引，col1，col2，col3是列索引。
print('-'*100)
print("for row in df.itertuples():")
for row in df.itertuples():
print (row) D:\Download\python3\python3.exe D:/Download/pycharmworkspace/s.py
----------------------------------------------------------------------------------------------------
for col in df:
A
C
D
x
y
----------------------------------------------------------------------------------------------------
for key,value in df.iteritems():
col1 0 0.477335
1 1.181332
2 1.561019
3 1.847981
Name: col1, dtype: float64
col2 0 -0.785008
1 -1.157689
2 -1.122126
3 -0.986387
Name: col2, dtype: float64
col3 0 -0.863011
1 0.907147
2 -1.100768
3 0.128576
Name: col3, dtype: float64
----------------------------------------------------------------------------------------------------
for row_index,row in df.iterrows():
由于iterrows()遍历行，因此不会跨该行保留数据类型。0,1,2是行索引，col1，col2，col3是列索引:
0 col1 0.477335
col2 -0.785008
col3 -0.863011
Name: 0, dtype: float64
1 col1 1.181332
col2 -1.157689
col3 0.907147
Name: 1, dtype: float64
2 col1 1.561019
col2 -1.122126
col3 -1.100768
Name: 2, dtype: float64
3 col1 1.847981
col2 -0.986387
col3 0.128576
Name: 3, dtype: float64
----------------------------------------------------------------------------------------------------
for row in df.itertuples():
Pandas(Index=0, col1=0.4773350765799035, col2=-0.7850081060024958, col3=-0.8630110792391069)
Pandas(Index=1, col1=1.1813320974672603, col2=-1.1576889340133183, col3=0.9071469334830587)
Pandas(Index=2, col1=1.561018528282379, col2=-1.1221261428911304, col3=-1.1007676640353743)
Pandas(Index=3, col1=1.8479811833066473, col2=-0.9863873037251529, col3=0.12857649143591193) Process finished with exit code 0