Pandas 是 Python 中非常流行的数据操作和分析库之一。其中,DataFrame 是 Pandas 提供的一个非常有用的数据结构,它类似于 SQL 中的表格,可以存储二维数组、CSV 文件、Excel 表格等数据。在 Pandas 中,有很多方法可以遍历 DataFrame,但是如何在遍历时修改数据呢?本文将探讨这个问题,并提供一些示例代码。
在 Pandas 中,有两种方式可以遍历 DataFrame,分别是使用 for 循环和 iterrows() 方法。下面我们分别介绍一下这两种方式。
使用 for 循环遍历 DataFrame 的方法很简单,只需要像遍历列表一样来遍历 DataFrame 即可。例如:
import pandas as pd
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]}) for index, row in df.iterrows(): print(row['name'], row['age'])
输出结果为:
Alice 25 Bob 30 Charlie 35
在上面的代码中,我们通过 iterrows() 方法来遍历 DataFrame,其中 index 表示索引,row 表示每一行的数据。对于每一行的数据,我们可以通过 row['name'] 或者 row['age'] 来获取其中的某一个值。
iterrows() 方法是 Pandas 中另一种遍历 DataFrame 的方式。它返回一个迭代器,可以通过 for 循环来遍历 DataFrame 中的每一行数据。例如:
import pandas as pd
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]}) for index, row in df.iterrows(): print(row['name'], row['age'])
输出结果为:
Alice 25 Bob 30 Charlie 35
在上面的代码中,我们同样使用了 iterrows() 方法来遍历 DataFrame。其中 index 表示索引,row 表示每一行数据。对于每一行数据,我们同样可以通过 row['name'] 或者 row['age'] 来获取其中的某一个值。
在遍历 DataFrame 的过程中,我们有时候需要对其中的数据进行修改。那么如何在遍历 DataFrame 的同时修改其中的数据呢?下面我们介绍两种方法:使用 at() 方法和使用 loc() 方法。
at() 方法可以用来选择 DataFrame 中的某一个元素,并且可以将其修改为指定的值。例如:
import pandas as pd
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]}) for index, row in df.iterrows(): if row['name'] == 'Alice':
df.at[index, 'age'] = 26 print(df)
输出结果为:
name age 0 Alice 26 1 Bob 30 2 Charlie 35
在上面的代码中,我们使用 for 循环遍历了 DataFrame,并且通过 if 语句来判断当前行的 name 是否为 'Alice'。如果是,我们就使用 at() 方法将该行的 age 修改为 26。
loc() 方法可以用来选取 DataFrame 中的一部分数据,并且可以对其进行修改。例如:
import pandas as pd
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})
df.loc[df['name'] == 'Alice', 'age'] = 26 print(df)
输出结果为:
name age 0 Alice 26 1 Bob 30 2 Charlie 35
在上面的代码中,我们使用了 loc() 方法来选取 DataFrame 中 name 为 'Alice' 的那一行,并将其中的 age 修改为 26。
在
本文中,我们介绍了 Pandas 中遍历 DataFrame 的两种方式:使用 for 循环和 iterrows() 方法。同时,我们也介绍了两种在遍历时修改 DataFrame 数据的方法:使用 at() 方法和 loc() 方法。
需要注意的是,在遍历 DataFrame 并且修改其中的数据时,我们需要小心地处理索引值和行列标签,以避免出现错误结果。另外,在涉及到大规模数据处理时,尽可能使用向量化方法来进行操作,可以显著提高代码的效率。
总之,Pandas 提供了非常强大的数据操作功能。熟练掌握 DataFrame 的遍历和修改技巧,可以让我们更加高效地完成数据分析和处理任务。
推荐学习书籍
《CDA一级教材》适合CDA一级考生备考,也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校,累计已有10万+在读~
免费加入阅读:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
大咖简介: 刘凯,CDA大咖汇特邀讲师,DAMA中国分会理事,香港金管局特聘数据管理专家,拥有丰富的行业经验。本文将从数据要素 ...
2025-04-22CDA持证人简介 刘伟,美国 NAU 大学计算机信息技术硕士, CDA数据分析师三级持证人,现任职于江苏宝应农商银行数据治理岗。 学 ...
2025-04-21持证人简介:贺渲雯 ,CDA 数据分析师一级持证人,互联网行业数据分析师 今天我将为大家带来一个关于用户私域用户质量数据分析 ...
2025-04-18一、CDA持证人介绍 在数字化浪潮席卷商业领域的当下,数据分析已成为企业发展的关键驱动力。为助力大家深入了解数据分析在电商行 ...
2025-04-17CDA持证人简介:居瑜 ,CDA一级持证人,国企财务经理,13年财务管理运营经验,在数据分析实践方面积累了丰富的行业经验。 一、 ...
2025-04-16持证人简介: CDA持证人刘凌峰,CDA L1持证人,微软认证讲师(MCT)金山办公最有价值专家(KVP),工信部高级项目管理师,拥有 ...
2025-04-15持证人简介:CDA持证人黄葛英,ICF国际教练联盟认证教练,前字节跳动销售主管,拥有丰富的行业经验。在实际生活中,我们可能会 ...
2025-04-14在 Python 编程学习与实践中,Anaconda 是一款极为重要的工具。它作为一个开源的 Python 发行版本,集成了众多常用的科学计算库 ...
2025-04-14随着大数据时代的深入发展,数据运营成为企业不可或缺的岗位之一。这个职位的核心是通过收集、整理和分析数据,帮助企业做出科 ...
2025-04-11持证人简介:CDA持证人黄葛英,ICF国际教练联盟认证教练,前字节跳动销售主管,拥有丰富的行业经验。 本次分享我将以教培行业为 ...
2025-04-11近日《2025中国城市长租市场发展蓝皮书》(下称《蓝皮书》)正式发布。《蓝皮书》指出,当前我国城市住房正经历从“增量扩张”向 ...
2025-04-10在数字化时代的浪潮中,数据已经成为企业决策和运营的核心。每一位客户,每一次交易,都承载着丰富的信息和价值。 如何在海量客 ...
2025-04-09数据是数字化的基础。随着工业4.0的推进,企业生产运作过程中的在线数据变得更加丰富;而互联网、新零售等C端应用的丰富多彩,产 ...
2025-04-094月7日,美国关税政策对全球金融市场的冲击仍在肆虐,周一亚市早盘,美股股指、原油期货、加密货币、贵金属等资产齐齐重挫,市场 ...
2025-04-08背景 3月26日,科技圈迎来一则重磅消息,苹果公司宣布向浙江大学捐赠 3000 万元人民币,用于支持编程教育。 这一举措并非偶然, ...
2025-04-07在当今数据驱动的时代,数据分析能力备受青睐,数据分析能力频繁出现在岗位需求的描述中,不分岗位的任职要求中,会特意标出“熟 ...
2025-04-03在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31