如何迭代Pandas中的DataFrame中的行？

我有熊猫的DataFrames：

import pandas as pd
inp = [{'c1':10, 'c2':100}, {'c1':11,'c2':110}, {'c1':12,'c2':120}]
df = pd.DataFrame(inp)
print df

输出：

   c1   c2
0  10  100
1  11  110
2  12  120

现在我想遍历上述帧的行。 对于每一行，我希望能够通过列的名称访问其元素（单元格中的值）。 所以，例如，我想有这样的事情：

for row in df.rows:
   print row['c1'], row['c2']

熊猫可以这样做吗？

我发现了类似的问题。 但它并没有给我我需要的答案。 例如，建议在那里使用：

for date, row in df.T.iteritems():

要么

for row in df.iterrows():

但我不明白row对象是什么，以及我如何使用它。

iterrows是一个产生索引和行的发生器

In [18]: for index, row in df.iterrows():
   ....:     print row['c1'], row['c2']
   ....:     
10 100
11 110
12 120

虽然iterrows()是一个很好的选择，但有时itertuples()会更快：

df = pd.DataFrame({'a': randn(1000), 'b': randn(1000),'N': randint(100, 1000, (1000)), 'x': 'x'})

%timeit [row.a * 2 for idx, row in df.iterrows()]
# => 10 loops, best of 3: 50.3 ms per loop

%timeit [row[1] * 2 for row in df.itertuples()]
# => 1000 loops, best of 3: 541 µs per loop

要遍历熊猫中的DataFrame行，可以使用：

for index, row in df.iterrows():
    print row["c1"], row["c2"]

for row in df.itertuples(index=True, name='Pandas'):
    print getattr(row, "c1"), getattr(row, "c2")

itertuples()应该比iterrows()更快，

但请注意，根据文档（目前熊猫0.21.1）：

new_df = df.apply(lambda x: x * 2)

上一篇: How to iterate over rows in a DataFrame in Pandas?

下一篇: Adding new column to existing DataFrame in Python pandas