遍历 Pandas DataFrame 的列

遍历 Pandas DataFrame 的列时，可以循环访问 DataFrame，取得每个列标签，再用 df[column] 按标签选出对应的 Series。需要同时取得标签和 Series 时，使用 DataFrame.items()；还需要列在序列中的位置时，使用 enumerate()。

使用 for 循环和 df[column] 遍历列

循环遍历 DataFrame 时，得到的是列标签。每次循环中，df[column] 会选出与该标签对应的 Series。下面的示例会逐列打印标签，以及该列转换为 Python 列表后的值：

import pandas as pd

df = pd.DataFrame(
    {"name": ["Ada", "Lin"], "score": [9, 8]}
)

for column in df:
    print(column, df[column].tolist())

name ['Ada', 'Lin']
score [9, 8]

循环变量是 name 或 score 这样的列标签，而不是行号。选出的 Series 会保留 DataFrame 的行索引。只有在后续步骤需要列表时，才用 .tolist() 将其转换为列表；.values 则会提供类似数组的表示形式。

使用 DataFrame.items() 遍历列标签和 Series

DataFrame.items() 会依次返回每个列标签及其对应的 Series。可以解包这对值，在循环中直接处理标签和 Series。下面的示例会打印每个标签及其 Series 中的值：

import pandas as pd

df = pd.DataFrame(
    {"name": ["Ada", "Lin"], "score": [9, 8]}
)

for column_label, series in df.items():
    print(column_label, series.tolist())

name ['Ada', 'Lin']
score [9, 8]

当操作需要在同一次循环中同时使用标签和对应的 Series 时，可以选择这种写法。例如，可以分别对每列执行格式化或汇总。如果某项计算可以一次应用于整个 DataFrame，使用 Pandas 的向量化操作可能比逐列处理更清晰。

使用 enumerate() 获取每列的位置和标签

将 df.columns 传给 Python 内置的 enumerate()，即可把每个标签与它在列序列中的从零开始的位置配对。下面的示例会逐列打印位置和标签：

import pandas as pd

df = pd.DataFrame(
    {"name": ["Ada", "Lin"], "score": [9, 8]}
)

for position, column_label in enumerate(df.columns):
    print(position, column_label)

0 name
1 score

这里，第一列的 position 是 0，第二列是 1，后续列依此类推。它不同于行索引标签：行索引用于标识行，其值不一定是连续整数。需要同时使用列顺序和标签时，可以采用这种写法；如果不需要位置，则使用基本循环或 DataFrame.items() 即可。