DataFrame.iterrows(self)               [source]

将DataFrame行作为（索引，Series）对进行迭代。

Notes

1）基础使用

import pandas as pd

# 创建一个简单的 DataFrame
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
})

# 使用 iterrows() 逐行遍历 DataFrame
for index, row in df.iterrows():
    print(f"Index: {index}, Name: {row['Name']}")
    print(F"Age: {row['Age']}, City: {row['City']}")

2）修改 DataFrame 中的值

import pandas as pd

# 创建一个简单的 DataFrame
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
})

# 使用 iterrows() 逐行遍历并修改年龄
for index, row in df.iterrows():
    df.at[index, 'Age'] = row['Age'] + 1  # 将每个人的年龄加 1

print(df)

3）条件过滤与修改

import pandas as pd

# 创建一个简单的 DataFrame
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
})

# 使用 iterrows() 逐行遍历并修改
for index, row in df.iterrows():
    if row['City'] == 'New York':
        # 如果城市是 'New York'，设置年龄为 40
        df.at[index, 'Age'] = 40  

print(df)

注意:

1）性能问题

iterrows() 的效率比较低，因为它每次返回一个 Series 对象。如果需要高效的处理数据，建议避免使用 iterrows()，可以考虑使用 apply() 或者矢量化操作，这些方法通常更快。

2）数据类型

在使用 iterrows() 时，返回的每一行是一个 Series 对象，这意味着你不能直接修改原 DataFrame 中的值（除非通过 .at[] 或 .iat[]）。

3）不推荐用于大数据集

如果 DataFrame 很大，iterrows() 会非常慢。在这种情况下，尽量避免逐行遍历，尝试使用矢量化方法。