Pandas 如何在没有嵌套for循环的情况下遍历数据帧？

如何在不嵌套循环的情况下遍历pandas中的数据帧

我的代码是：

df = pd.DataFrame([[1,2,3],[4,5,6],[7,8,9]],columns=['a','b','c'])

---

也许您想尝试一下遍历每一行和每一列

print([df.loc[row, col] for row in df.index for col in df.columns])

这将产生：

[1, 2, 3, 4, 5, 6, 7, 8, 9]

---

也许您想尝试一下遍历每一行和每一列

print([df.loc[row, col] for row in df.index for col in df.columns])

这将产生：

[1, 2, 3, 4, 5, 6, 7, 8, 9]

---

我认为这样更快：

[i for i in df.values.reshape((df.shape[0]*df.shape[1]))]

---

%%timeit

给出了

8.35µs±137 ns/圈（平均±标准偏差为7次，每次100000圈）

我认为这样更快：

[i for i in df.values.reshape((df.shape[0]*df.shape[1]))]

---

%%timeit

给出了

8.35µs±137 ns/循环（7次运行的平均值±标准偏差，每个循环100000次）

您好，欢迎使用SO，请提供一个可重复的示例。也请阅读Hi，欢迎使用SO，请提供一个可复制的示例。另外，请阅读它的速度惊人地快（快9倍）。感谢您向我们展示了一种改进代码的替代方法。我发现了一些有趣的东西。当我使用numpy.ravel（）时，它可以再节省30%的时间<代码>[i for i in df.values.ravel（）]@Amy Chou，伟大的解决方案！它的速度快得惊人（快了9倍）。感谢您向我们展示了一种改进代码的替代方法。我发现了一些有趣的东西。当我使用numpy.ravel（）时，它可以再节省30%的时间<代码>[i for i in df.values.ravel（）]@Amy Chou，伟大的解决方案！