前言

Pandas是python的一個數據分析包，提供了大量的快速便捷處理數據的函數和方法。其中Pandas定義了Series 和 DataFrame兩種數據類型，這使數據操作變得更簡單。Series 是一種一維的數據結構，類似于將列表數據值與索引值相結合。DataFrame 是一種二維的數據結構，接近于電子表格或者mysql數據庫的形式。

在數據分析中不可避免的涉及到對數據的遍歷查詢和處理，比如我們需要將dataframe兩列數據兩兩相除，并將結果存儲于一個新的列表中。本文通過該例程介紹對pandas數據遍歷的幾種方法。

for..in循環迭代方式

for語句是Python內置的迭代器工具，用于從可迭代容器對象（如列表、元組、字典、集合、文件等）中逐個讀取元素，直到容器中沒有更多元素為止，工具和對象之間只要遵循可迭代協議即可進行迭代操作。
具體的迭代的過程：可迭代對象通過__iter__方法返回迭代器，迭代器具有__next__方法，for循環不斷地調用__next__方法，每次按序返回迭代器中的一個值，直到迭代到最后，沒有更多元素時拋出異常StopIteration（python自動處理異常）。迭代的優點是無需把所有元素一次加載到內存中，可以在調用next方法時逐個返回元素，避免出現內存空間不夠的情況。

>>> x = [1,2,3]>>> its = x.__iter__() #列表是可迭代對象，否則會提示不是迭代對象>>> its<list_iterator object at 0x100f32198>>>> next(its) # its包含此方法，說明its是迭代器1>>> next(its) 2>>>next(its) 3>>> next(its) Traceback (most recent call last): File "<stdin>", line 1, in <module>StopIteration

實現代碼如下：

def haversine_looping(df):disftance_list = []for i in range(0,len(df)): disftance_list.append(df.iloc[i][‘high']/df.iloc[i][‘open']) return disftance_list

關于上述代碼中range的實現方法，我們也可根據迭代器協議自實現相同功能的迭代器（自帶iter方法和next方法）應用在for循環中，代碼如下：

class MyRange: def __init__(self, num):  self.i = 0  self.num = num def __iter__(self):  return self def __next__(self):  if self.i < self.num:  i = self.i  self.i += 1  return i  else:  raise StopIteration() for i in MyRange(10): print(i) 

我們也可以通過列表解析的方式用更少的代碼實現數據處理功能

disftance_list = [df.iloc[i][‘high']/df.iloc[i][‘open'] for i in range(0,len(df))]

iterrows()生成器方式

iterrows是對dataframe行進行迭代的一個生成器，它返回每行的索引及包含行本身的對象。所謂生成器其實是一種特殊的迭代器，內部支持了迭代器協議。Python中提供生成器函數和生成器表達式兩種方式實現生成器，每次請求返回一個結果，不需要一次性構建一個結果列表，節省了內存空間。