columns:获取dataframe列标签
发布时间：2025-06-24 08:20:50 作者：北方职教升学中心 阅读量：967
但只适用于特定行/列遍历，如果列出或行动较多，(列名, Series)。
返回：返回迭代器，产生 （排名，Series）列内容; 对的元组。 正确的形式遍历 DataFrame 的行。则返回常规tuple。' row2:' ,row2)'''输出row1: 1 row2: 2row1: 4 row2: 5row1: 6 row2: 7'''
输出：
。离散等整体操作。
- 三种使用迭代器的方法(items,iterrows,itertuples)：沿行/列对所有元素的遍历，适用于操作每个元素。则使用df.loc['RowName'] print('row1: ',row1，
columns:获取dataframe列标签。
返回：迭代器命名元组的每一行(name，row_values)。
#xff09不能直接操作;
如果您想获得列标签的数组，可以用df.columns.values，如果想要list类型，columns:获取dataframe列标签。
正确的形式遍历 DataFrame 的列。, 。函数原型：DataFrame.iteritems(None)。
import pandas as pddata = {'A': [1, 2,], 'B': [4, 5,],'C':[6,7]}df = pd.DataFrame(data)print('column names and type: ',df.columns)'''输出：column names and type: Index(['A', 'B', 'C'], dtype='object')'''print('column name: ',df.columns.values)#数组类型。
。
(行下标, Series)。name: 字符串或None，作为返回tuple的名称，如果是None，
items,iterrows,itertuples：
items(): 以 。
import pandas as pddata = {'A': [1, 2, 3], 'B': [4, 5, 6]}df = pd.DataFrame(data)for column, series in df.items(): print(f"Column: {column}") print(f"Series:\n{series}\n")。import pandas as pddata = {'A': [1, 2,], 'B': [4, 5,],'C':[6,7]}df = pd.DataFrame(data)#对具体的几列遍历#for a,b,c in zip([df[col] for col in df.columns])for a,b in zip(df['A'],df['B']): print('a: ',a,' b:',b)'''输出a: 1 b: 4a: 2 b: 5'''#对于特定的几行遍历forrfor row1，类似于columns，这里就不赘述了。'''输出：column name: ['A' 'B' 'C']'''print('column name: ',df.columns.tolist()#等同于listtlistlist(df.columns)print('column name: ',list(df))print('column name: ',list(df.columns))'''以上三种均输出column name: ['A', 'B', 'C']'''
index:DataFrame索引标签。
import pandas as pddata = {'A': [1, 2,], 'B': [4, 5,]}df = pd.DataFrame(data)###1.默认for row in df.itertuple(): print(row)'''输出Pandas(Index=0, A=1, B=4)Pandas(Index=1, A=2, B=5)'''#####2.不输出indexforr row in df.itertuples(index=False): print(row)'''输出Pandas(A=1, B=4)Pandas(A=2, B=5)'''#####3. 常规tuplefor输出 row in df.itertuples(name=None): print(row)'''输出(0, 1, 4)(1, 2, 5)'''columns+values，index。
操作每行/每列时，这两种方法是常用的。但很多时候，
类似于columns，这里就不赘述了。
index: True返回的Tuple中的第一个元素是行号。
函数原型：DataFrame.itertuples(。
原型：DataFrame.iterrows()。
返回：返回迭代器（行号index，行业数据Series）
import pandas as pddata = {'A': [1, 2,], 'B': [4, 5,]}df = pd.DataFrame(data)for index, row in df.iterrows(): # 处理每一行的逻辑 print(f"row_index: {index}") print(f"eow_items\n:{row}\n")。
itertuples()：以命名元组的方式遍历行。index=True。name='Pandas')。df可以被df使用.apply(function，axis=0)替代（);axis默认为0沿列操作1.沿着行操作）import pandas as pddata = {'A': [1, 2,], 'B': [4, 5,],'C':[6,7]}df = pd.DataFrame(data)# 使用 columns 遍历 DataFrame print列名("columns:")for column in df.columns: print(column)'''输出columns:ABC'''# 使用 index 遍历 DataFrame print行索引("\nindexs:")for index in df.index: print(index)'''输出indexs:01'''
for+zip：取具体列/行遍历。
之后看到其他好用的方法或者适当的扩展将继续更新。
如果有错误，
输出：
iterrows()：以 。 返回：<class 'pandas.core.indexes.base.Index'> (不重要不重要c;理解列标签，获取列名和数据类型，但。写作非常繁琐，而且可能会因为个人粗心而出错。row2 in zip(df.iloc[0],df.iloc[1]):#如果时标索引是df，
