遍历DataFrame列：针对给定两个DataFrame的技术实现问询

嘿，针对你给出的这两个结构完全一致的DataFrame（df1和df2），我整理了几种常用的列遍历实现方案，覆盖不同的操作场景，你可以按需选用：

1. 仅遍历列名（快速获取列清单） #

如果只是想查看或批量处理列名称，直接迭代DataFrame的columns属性就够了：

# 遍历df1的所有列名
for col in df1.columns:
    print(f"当前处理列: {col}")

运行后会依次输出WEEK、DIM1、DIM2、T1、T2这些列名。

2. 遍历列的完整数据（操作每列的Series） #

要是需要对每一列的实际数据做处理，比如统计、清洗，可以用items()方法同时获取列名和对应的数据Series：

# 遍历df1的每一列，输出列名和对应数据
for col_name, col_data in df1.items():
    print(f"=== 列: {col_name} ===")
    print(col_data)
    print("---")

比如针对T1列，会输出该列的所有行数据及数据类型，非常适合单列的批量操作。

3. 同时遍历两个DataFrame的对应列（对比/合并场景） #

因为你的df1和df2结构完全匹配，很多时候需要同时处理对应列（比如对比数值差异、校验维度一致性），用zip()就能轻松配对两个df的列：

3.1 对比数值列的差异（比如T1/T2） #

如果要计算两个df中T1、T2列的差值，代码可以这么写：

# 同时遍历两个df的对应列，计算数值列差值
for (col1_name, col1_data), (col2_name, col2_data) in zip(df1.items(), df2.items()):
    # 只处理*数值型列*T1和T2
    if col1_name in ["T1", "T2"]:
        diff_series = col1_data - col2_data
        print(f"列 {col1_name} 的差值结果:")
        print(diff_series)
        print("---")

针对你的数据，T1列的差值会是-5、90、-100，清晰展示每一行的差异。

3.2 校验维度列的一致性（比如WEEK/DIM1） #

如果要检查两个df的维度列（比如WEEK、DIM1）是否完全匹配，避免数据错位：

# 遍历指定维度列，校验匹配性
for col_name in ["WEEK", "DIM1", "DIM2"]:
    if df1[col_name].equals(df2[col_name]):
        print(f"✅ 列 {col_name} 的所有行数据完全匹配")
    else:
        # 找出不匹配的行
        mismatch_rows = df1[df1[col_name] != df2[col_name]]
        print(f"❌ 列 {col_name} 存在不匹配行:")
        print(mismatch_rows)

运行后会发现DIM2列第三行的PQR和XYZ不匹配，其他维度列完全一致。

4. 进阶：用apply批量处理列 #

如果要对所有列执行相同的函数（比如统计非空值、计算均值），用apply()指定axis=0即可按列批量操作：

# 计算每一列的非空值数量
non_null_stats = df1.apply(lambda col: col.count(), axis=0)
print("各列非空值统计:")
print(non_null_stats)

输出会显示DIM2列只有2个非空值（因为第一行是NULL），其他列都是3个。

内容的提问来源于stack exchange，提问作者Dark Shadows