Pandas持久化排序问题：如何遍历已排序DataFrame

场景说明 #

现有8列文本文件，首行是带#的注释行，无数据列名。通过以下代码导入为DataFrame后，按第7列升序排序得到dataS，需逐行遍历排序后的结果：

import pandas as pd
data = pd.read_csv("file.txt", sep='\t', comment='#', header=None)
dataS = data.sort_values(7)

示例文本：

#0.y[m] 1.uy[m_e*c] 2.x[m] 3.ux[m_ec] 4.z[m] 5.uz[m_ec] 6.w 7.ID
4.800773e-06    5.825619e+00    9.693396e-06    1.732705e+00    1.068944e-05    -3.532225e+00   1.255580e+04    24641553
4.359847e-06    1.275340e+01    9.564333e-06    -3.591681e-01   9.690643e-06    7.398885e+00    1.255580e+04    18676620

解决方法 #

方法1：直接遍历已排序的dataS #

data.sort_values(7)默认返回新的排序后DataFrame，dataS已经是排序后的结果，直接遍历即可。推荐使用itertuples()（性能优于iterrows()）：

# 遍历排序后的每一行，索引占第0位，后续变量对应各列值
for row in dataS.itertuples(index=True, name='Pandas'):
    # 示例：打印第7列（ID列）的值
    print(row[8])
    # 也可通过属性名访问
    print(getattr(row, '_8'))

如果需要同时获取行索引和列值，用iterrows()：

for idx, row in dataS.iterrows():
    # 打印第7列的值
    print(row[7])

方法2：原地排序（修改原DataFrame） #

如果希望直接将原data替换为排序后的状态，可添加inplace=True参数，之后遍历data即可：

data.sort_values(7, inplace=True)
# 遍历已排序的原DataFrame
for idx, row in data.iterrows():
    print(row[7])

内容的提问来源于stack exchange，提问作者cbontoiu