在数据分析的过程中，往往需要用到DataFrame的类型，因为这个类型就像EXCEL表格一样，便于我们个中连接、计算、统计等操作。在数据分析的过程中，避免不了的要对数据进行遍历，那么，DataFrame如何遍历呢？之前，小白每次使用时都是Google或百度，想想，还是总结一下~
小白经常用到的有三种方式，如下：
首先，先读入一个DataFrame
import pandas as pd
#读入数据
df = pd.read_table('d:/Users/chen_lib/Desktop/tmp.csv',sep=',', header='infer')
df.head()
-----------------result------------------
mas effectdate num
0 371379 2019-07-15 361
1 344985 2019-07-13 77
2 425090 2019-07-01 105
3 344983 2019-02-19 339
4 432430 2019-02-21 162
1.DataFrame.iterrows()
将DataFrame的每一行迭代为{索引，Series}对，对DataFrame的列，用row['cols']读取元素
for index, row in df.iterrows():
print(index,row['mas'],row['num'])
------------result---------------
0 371379 361
1 344985 77
2 425090 105
3 344983 339
4 432430 162从结果可以看出，第一列就是对应的index，也就是索引，从0开始，第二第三列是自定义输出的列，这样就完成了对DataFrame的遍历。
2.DataFrame.itertuples()
将DataFrame的每一行迭代为元祖，可以通过row['cols']对元素进行访问，方法一效率高。
for row in df.itertuples():
print(getattr(row, 'mas'), getattr(row, 'num')) # 输出每一行
-------------result-----------------
371379 361
344985 77
425090 105
344983 339
432430 162从结果可以看出，这种方法是没有index的，直接输出每一行的结果。
3.DataFrame.iteritems()
这种方法和上面两种不同，这个是按列遍历，将DataFrame的每一列迭代为(列名, Series)对，可以通过row['cols']对元素进行访问。
for index, row in df.iteritems():
print(index,row[0],row[1],row[2])
-------------result------------------
masterhotelid 371379 344985 425090
effectdate 2019-07-15 2019-07-13 2019-07-01
quantity 361 77 105
从结果可以看出，index输出的是列名，row是用来读取第几行的数据，结果是按列展示
以上就是小白经常用到的遍历DataFrame的方法啦，欢迎大家补充哦~
