Python遍历DataFrame每一行写入新的DataFrame
在数据科学和日常编程中，处理DataFrame是一项重要的技能。今天我们将学习如何遍历一个DataFrame的每一行，并将结果写入一个新的DataFrame。接下来，我将详细介绍整个流程及所需的代码。
整体流程
下表展示了我们将要遵循的步骤：
| 步骤 | 描述 |
|---|---|
| 1 | 导入所需的库 |
| 2 | 创建初始DataFrame |
| 3 | 新建一个空的DataFrame |
| 4 | 遍历初始DataFrame的每一行 |
| 5 | 根据需求处理数据并写入新DataFrame |
| 6 | 显示最终结果 |
每一步详解
步骤1：导入所需的库
import pandas as pd # 导入pandas库用于数据处理
步骤2：创建初始DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'], # 创建一个字典
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data) # 将字典转换为DataFrame
步骤3：新建一个空的DataFrame
new_data = pd.DataFrame(columns=['Name', 'Age', 'City', 'Age in 5 years']) # 新建一个包含特定列的新DataFrame
步骤4：遍历初始DataFrame的每一行
for index, row in df.iterrows(): # 使用iterrows()遍历行
# 迭代的每一行会返回行索引和行内容
步骤5：根据需求处理数据并写入新DataFrame
new_row = {'Name': row['Name'], # 创建新行的数据，取出当前行的数据
'Age': row['Age'],
'City': row['City'],
'Age in 5 years': row['Age'] + 5} # 计算5年后的年龄
new_data = new_data.append(new_row, ignore_index=True) # 将新行添加到新DataFrame
步骤6：显示最终结果
print(new_data) # 显示新DataFrame
结果图示
通过上述步骤，你将获得一个包含每位用户的5年后年龄的新DataFrame，结果如下：
Name Age City Age in 5 years
0 Alice 25 New York 30
1 Bob 30 Los Angeles 35
2 Charlie 35 Chicago 40
序列图
以下是一个序列图，用来说明数据的处理流程：
sequenceDiagram
participant User
participant DataFrame
participant NewDataFrame
User->>DataFrame: 创建初始DataFrame
User->>NewDataFrame: 新建空的DataFrame
loop 遍历每一行
DataFrame->>NewDataFrame: 写入处理后的数据
end
User->>NewDataFrame: 显示最终结果
ER图
接下来是一个ER图表示数据之间的关系：
erDiagram
DATAFRAME {
string Name
int Age
string City
}
NEW_DATAFRAME {
string Name
int Age
string City
int Age_in_5_years
}
DATAFRAME ||--o{ NEW_DATAFRAME : transforms
结尾
在这篇文章中，我们探讨了如何使用Python遍历一个DataFrame的每一行，并将结果写入一个新的DataFrame。掌握上述方法后，你会发现处理数据变得更加直观与简单。希望这篇文章能帮助你更好地理解和使用Python的数据处理功能，助你早日成为一名出色的数据开发者！如有疑问，欢迎交流学习！
