Flask中如何遍历Pandas生成的年龄分组性别统计透视表？

嘿，针对你这个按年龄组和性别统计的DataFrame，我给你整理了几种常用的遍历方式，你可以根据自己的需求来选：

1. 按行遍历（同时获取年龄组索引和对应性别数据） #

如果需要逐个处理每个年龄组的男女数据，用iterrows()最方便，它会返回每一行的索引（这里就是age_group）和行数据：

for age_group, row in age_grp.iterrows():
    female_count = row['F']
    male_count = row['M']
    print(f"年龄组 {age_group}: 女性 {female_count} 人，男性 {male_count} 人")

2. 按列遍历（先处理某一性别的所有年龄组数据） #

要是你想先聚焦某个性别，再遍历它的各个年龄组统计值，可以用items()（Pandas新版本推荐用这个替代旧的iteritems()）：

for gender, column_data in age_grp.items():
    print(f"\n性别 {gender} 的各年龄组人数：")
    for age_group, count in column_data.items():
        print(f"  {age_group}: {count}")

3. 逐个遍历所有单元格（获取每个年龄组+性别组合的统计值） #

如果需要拿到每一个具体的（年龄组，性别）对应的人数，你可以用stack()把二维DataFrame转成一维Series，再遍历它的键值对：

for (age_group, gender), count in age_grp.stack().items():
    print(f"年龄组 {age_group}，性别 {gender}: {count} 人")

4. 高效遍历（适合大数据集） #

如果你的数据量很大，itertuples()会比iterrows()更高效，它返回的是命名元组，访问速度更快：

for row in age_grp.itertuples():
    age_group = row.Index
    female_count = row.F
    male_count = row.M
    print(f"年龄组 {age_group}: 女性 {female_count} 人，男性 {male_count} 人")

选哪种方式主要看你具体要做什么：如果是整行/整列处理，选前两种；要逐个单元格就用第三种；追求性能就用第四种。

内容的提问来源于stack exchange，提问作者Reub