Pandas 迭代数据帧的“条目”

假设我有一个潜在的多索引，但可能不是数据帧。例如：

iterables = [['foo', 'bar'], ['one', 'two']]
idx = pd.MultiIndex.from_product(iterables, names=['first', 'second'])
df = pd.DataFrame(np.random.randn(4, 2), index=idx, columns=('metric1', 'metric2'))

结果:

               metric1   metric2
first second                    
foo   one     0.189589  0.787533
      two     0.176290 -0.080153
bar   one     0.077977 -0.384613
      two     0.658583  0.436177

有许多方法可以迭代此数据帧中的每个元素，但大多数方法都涉及两个嵌套for循环，如：

for r in df.index:
    for c in df.columns:
        print r, c, df.loc[r,c]

产生

('foo', 'one') metric1 -0.00381142017312
('foo', 'one') metric2 -0.755465118408
('foo', 'two') metric1 0.444271742766
('foo', 'two') metric2 0.18390288873
('bar', 'one') metric1 0.512679930964
('bar', 'one') metric2 -0.134535924251
('bar', 'two') metric1 1.93222192752
('bar', 'two') metric2 0.609813960012

---

是否有一种方法可以在一个循环中实现这一点，以便在迭代时可以访问每个元素的行名称和列名？如果只能使用常规索引，我仍然感兴趣。

您可以将数据帧堆叠为一个系列，然后一次性循环：

for ind, val in df.stack().items():
    print(ind, val)

('foo', 'one', 'metric1') -0.752747101421
('foo', 'one', 'metric2') 0.318196702146
('foo', 'two', 'metric1') -0.737599211438
('foo', 'two', 'metric2') -1.08364260415
('bar', 'one', 'metric1') 1.87757917778
('bar', 'one', 'metric2') -2.29588862481
('bar', 'two', 'metric1') -0.301414352794
('bar', 'two', 'metric2') 0.610076176389