df.iterrows()和df.columns超简单详细使用

在pandas库中，DataFrame.iterrows() 和 DataFrame.columns 是两个非常常用的方法和属性，分别用于迭代数据行和获取列名称。

1. `df.iterrows()`

作用：逐行迭代DataFrame，返回每一行的索引和对应的行数据（作为一个Series）。
特点：适用于需要对每一行进行逐行处理的场景。
注意事项：
- 使用iterrows()效率较低，不适合处理大规模数据。
- 返回的行是一个副本，对它的修改不会影响原DataFrame。

示例代码：

import pandas as pd

# 创建示例DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)

# 使用 iterrows() 迭代每一行
for index, row in df.iterrows():
    print(f"Index: {index}, Name: {row['Name']}, Age: {row['Age']}, City: {row['City']}")

输出：

Index: 0, Name: Alice, Age: 25, City: New York
Index: 1, Name: Bob, Age: 30, City: Los Angeles
Index: 2, Name: Charlie, Age: 35, City: Chicago

2. `df.columns`

作用：返回DataFrame的列名，类型为pandas.Index。
特点：可以用来查看或操作列名。
常见操作：
- 获取列名列表：list(df.columns)
- 修改列名：df.columns = ['new_col1', 'new_col2', 'new_col3']

示例代码：

# 查看列名
print("列名:", df.columns)

# 将列名转为列表
columns_list = list(df.columns)
print("列名列表:", columns_list)

# 修改列名
df.columns = ['Full Name', 'Age (Years)', 'Location']
print("修改后的DataFrame:\n", df)

输出：

列名: Index(['Name', 'Age', 'City'], dtype='object')
列名列表: ['Name', 'Age', 'City']
修改后的DataFrame:
     Full Name  Age (Years)       Location
0      Alice          25     New York
1       Bob            30 Los Angeles
2    Charlie          35      Chicago