,可以使用以下方法:
import pandas as pd
new_df = pd.DataFrame() # 创建一个空的新数据框
for index, row in df.iterrows():
# 在循环中处理原df的每一行数据,并将结果添加到新数据框中
new_row = process_row(row) # 自定义函数,处理原df的每一行数据
new_df = new_df.append(new_row, ignore_index=True)
# 新数据框包含了原df中每一行经过处理后的数据
import pandas as pd
new_rows = [process_row(row) for index, row in df.iterrows()] # 列表推导式
new_df = pd.DataFrame(new_rows) # 将列表转换为数据框
# 新数据框包含了原df中每一行经过处理后的数据
在上述代码中,process_row()
是一个自定义函数,用于处理原df的每一行数据并返回处理结果。你可以根据具体需求自行编写该函数。
这种方法可以避免覆盖原df,而是创建一个新的数据框来存储处理后的数据。
领取专属 10元无门槛券
手把手带您无忧上云