在Python-Pandas中循环或遍历数据框的所有或某些列

 

在本文中，我们将讨论如何循环或迭代DataFrame的全部或某些列？有多种方法可以完成此任务。

首先创建一个数据框，然后看一下：
代码：

# import pandas package 
import pandas as pd 

# List of Tuples 
students = [('Ankit', 22, 'A'), 
        ('Swapnil', 22, 'B'), 
        ('Priya', 22, 'B'), 
        ('Shivangi', 22, 'B'), 
            ] 
# Create a DataFrame object 
stu_df = pd.DataFrame(students, columns =['Name', 'Age', 'Section'], 
                    index =['1', '2', '3', '4']) 

stu_df 

 

输出：

现在，让我们看看不同的方式来迭代DataFrame或某些列：

方法＃1： 使用DataFrame.iteritems（）：
Dataframe类提供了一个成员函数iteritems()，该函数提供了一个迭代器，该迭代器可用于迭代数据帧的所有列。对于Dataframe中的每一列，它将返回一个迭代器到包含列名称及其内容为序列的元组。

代码：

import pandas as pd 


# List of Tuples 
students = [('Ankit', 22, 'A'), 
        ('Swapnil', 22, 'B'), 
        ('Priya', 22, 'B'), 
        ('Shivangi', 22, 'B'), 
            ] 

# Create a DataFrame object 
stu_df = pd.DataFrame(students, columns =['Name', 'Age', 'Section'], 
                    index =['1', '2', '3', '4']) 

# gives a tuple of column name and series 
# for each column in the dataframe 
for (columnName, columnData) in stu_df.iteritems(): 
    print('Colunm Name : ', columnName) 
    print('Column Contents : ', columnData.values) 

输出：

方法2： 使用[]运算符：
我们可以遍历列名并选择所需的列。

代码：

import pandas as pd 


# List of Tuples 
students = [('Ankit', 22, 'A'), 
        ('Swapnil', 22, 'B'), 
        ('Priya', 22, 'B'), 
        ('Shivangi', 22, 'B'), 
            ] 

# Create a DataFrame object 
stu_df = pd.DataFrame(students, columns =['Name', 'Age', 'Section'], 
                    index =['1', '2', '3', '4']) 

# Iterate over column names 
for column in stu_df: 
    
    # Select column contents by column 
    # name using [] operator 
    columnSeriesObj = stu_df[column] 
    print('Colunm Name : ', column) 
    print('Column Contents : ', columnSeriesObj.values) 

输出：

方法3： 迭代多于一列：
假设我们需要迭代多于一列。为此，我们可以从数据框中选择多个列并对其进行迭代。

代码：

import pandas as pd 


# List of Tuples 
students = [('Ankit', 22, 'A'), 
        ('Swapnil', 22, 'B'), 
        ('Priya', 22, 'B'), 
        ('Shivangi', 22, 'B'), 
            ] 

# Create a DataFrame object 
stu_df = pd.DataFrame(students, columns =['Name', 'Age', 'Section'], 
                    index =['1', '2', '3', '4']) 

# Iterate over two given columns 
# only from the dataframe 
for column in stu_df[['Name', 'Section']]: 
    
    # Select column contents by column 
    # name using [] operator 
    columnSeriesObj = stu_df[column] 
    print('Colunm Name : ', column) 
    print('Column Contents : ', columnSeriesObj.values) 

 

输出：

方法4： 以相反的顺序迭代列：
我们也可以以相反的顺序遍历列。

代码：

import pandas as pd 


# List of Tuples 
students = [('Ankit', 22, 'A'), 
        ('Swapnil', 22, 'B'), 
        ('Priya', 22, 'B'), 
        ('Shivangi', 22, 'B'), 
            ] 

# Create a DataFrame object 
stu_df = pd.DataFrame(students, columns =['Name', 'Age', 'Section'], 
                    index =['1', '2', '3', '4']) 


# Iterate over the sequence of column names 
# in reverse order 
for column in reversed(stu_df.columns): 
    
    # Select column contents by column 
    # name using [] operator 
    columnSeriesObj = stu_df[column] 
    print('Colunm Name : ', column) 
    print('Column Contents : ', columnSeriesObj.values) 

输出：

方法5： 使用索引（iloc）：
要按索引遍历Dataframe的列，我们可以遍历一个范围（即0到最大列数），而对于每个索引，我们可以使用iloc []选择列的内容。

代码：

import pandas as pd 


# List of Tuples 
students = [('Ankit', 22, 'A'), 
        ('Swapnil', 22, 'B'), 
        ('Priya', 22, 'B'), 
        ('Shivangi', 22, 'B'), 
            ] 

# Create a DataFrame object 
stu_df = pd.DataFrame(students, columns =['Name', 'Age', 'Section'], 
                    index =['1', '2', '3', '4']) 


# Iterate over the index range from 
# 0 to max number of columns in dataframe 
for index in range(stu_df.shape[1]): 
    
    print('Column Number : ', index) 
    
    # Select column by index position using iloc[] 
    columnSeriesObj = stu_df.iloc[:, index] 
    print('Column Contents : ', columnSeriesObj.values) 

 

输出：