Pandas DataFrame 行遍历的四种高效实现方案

山间有风

发布时间：2026-10-13 | 4人浏览过

原创

本文详细解析在 Pandas 中遍历 DataFrame 行的多种方法。重点对比了 iterrows()、itertuples()、apply() 以及 iloc 的性能差异与适用场景。文章指出 itertuples() 通常比 iterrows() 更快，并强调避免在迭代中修改数据的重要性，同时提供自定义 namedtuple 迭代器以进一步提升处理效率。

Pandas DataFrame 行遍历概述

假设存在如下 Pandas DataFrame 数据结构：


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

执行上述代码后的输出结果如下所示：

c1 c2 0 10 100 1 11 110 2 12 120

接下来需要对上述 DataFrame 进行逐行遍历。对于每一行数据，目标是通过列名直接访问对应的元素值（即单元格内容）。具体需求类似于以下代码逻辑：


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

Pandas 是否支持这种操作方式？

我在相关讨论中找到了类似的问题解答，但其中并未直接给出所需答案。相关资料提到：

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

或者采用以下写法：

for row in df.iterrows():

然而，我对 row 对象的具体含义及其使用方式仍感到困惑。

官方推荐迭代方法对比

推荐的最佳解决方案

若要以符合 Pandas 编程习惯的方式迭代遍历 DataFrame 的行，可以选用以下两种内置方法：

DataFrame.iterrows()


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

DataFrame.itertuples()


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

通常情况下，itertuples() 的执行速度优于 iterrows()

但需特别注意，根据官方文档（当前版本为 Pandas 0.19.1）的说明：

关于 iterrows：数据的 dtype 可能无法按行准确匹配，因为 iterrows 返回的是每一行的 Series 对象，它不会保留原始的 dtypes（dtypes 仅在 DataFrame 列级别保留）。
关于 iterrows：请勿修改行数据

不建议在迭代过程中修改正在遍历的对象。这种做法不能保证在所有情况下都能正常运行。根据数据类型差异，迭代器可能返回副本而非视图，此时进行写入操作将无效。

建议改用 DataFrame.apply() 方法：

new_df = df.apply(lambda x: x * 2) itertuples：列名称可能会被重命名为位置索引名称，如果原列名是无效的 Python 标识符、存在重复或以单下划线开头。当列数量极大（超过 255 列）时，将返回常规元组。

使用 apply 进行行处理

第二种备选方案：apply

你也可以利用 df.apply() 来遍历行，并在函数中访问多个列的数据。

官方文档参考：DataFrame.apply()


def valuation_formula(x, y):
 return x * y * 0.5
 
df['price'] = df.apply(lambda row: valuation_formula(row['x'], row['y']), axis=1)

其他遍历方案与性能优化

第三种备选方案：iloc

你可以使用 df.iloc 函数实现如下遍历方式：


for i in range(0, len(df)):
 print df.iloc[i]['c1'], df.iloc[i]['c2']

第四种方案：虽然实现稍显繁琐，但效率更高，即将 DataFrame 转换为列表处理

你可以编写一个自定义的 namedtuple 迭代器：


from collections import namedtuple
 
def myiter(d, cols=None):
 if cols is None:
  v = d.values.tolist()
  cols = d.columns.values.tolist()
 else:
  j = [d.columns.get_loc(c) for c in cols]
  v = d.values[:, j].tolist()
 
 n = namedtuple('MyTuple', cols)
 
 for line in iter(v):
  yield n(*line)

该实现等效于 pd.DataFrame.itertuples，但在特定场景下效率更高。

将自定义函数应用于给定的 DataFrame：


list(myiter(df))
 
[MyTuple(c1=10, c2=100), MyTuple(c1=11, c2=110), MyTuple(c1=12, c2=120)]

或者与 pd.DataFrame.itertuples 进行对比测试：


list(df.itertuples(index=False))
 
[Pandas(c1=10, c2=100), Pandas(c1=11, c2=110), Pandas(c1=12, c2=120)]

全面的性能测试

我们对所有可用列进行了测试：


def iterfullA(d):
 return list(myiter(d))
 
def iterfullB(d):
 return list(d.itertuples(index=False))
 
def itersubA(d):
 return list(myiter(d, ['col3', 'col4', 'col5', 'col6', 'col7']))
 
def itersubB(d):
 return list(d[['col3', 'col4', 'col5', 'col6', 'col7']].itertuples(index=False))
 
res = pd.DataFrame(
 index=[10, 30, 100, 300, 1000, 3000, 10000, 30000],
 columns='iterfullA iterfullB itersubA itersubB'.split(),
 dtype=float
)
 
for i in res.index:
 d = pd.DataFrame(np.random.randint(10, size=(i, 10))).add_prefix('col')
 for j in res.columns:
  stmt = '{}(d)'.format(j)
  setp = 'from __main__ import d, {}'.format(j)
  res.at[i, j] = timeit(stmt, setp, number=100)
 
res.groupby(res.columns.str[4:-1], axis=1).plot(loglog=True);