遍历pd.DataFrame以创建新的DataFrame

是指使用Python中的pandas库中的DataFrame对象进行遍历操作，并根据遍历的结果创建一个新的DataFrame对象。

在pandas中，可以使用iterrows()方法来遍历DataFrame的每一行，该方法返回一个迭代器，每次迭代返回一个包含行索引和行数据的元组。可以通过解构赋值的方式将行索引和行数据分别赋值给变量，然后根据需要进行处理。

以下是一个示例代码，演示如何遍历DataFrame并创建新的DataFrame：

import pandas as pd

# 创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)

# 创建一个空的DataFrame用于存储遍历结果
new_df = pd.DataFrame(columns=['Name', 'Age', 'City'])

# 遍历DataFrame并创建新的DataFrame
for index, row in df.iterrows():
    # 获取行数据
    name = row['Name']
    age = row['Age']
    city = row['City']
    
    # 根据需要进行处理，这里只是简单地将年龄加1
    age += 1
    
    # 将处理后的数据添加到新的DataFrame中
    new_df = new_df.append({'Name': name, 'Age': age, 'City': city}, ignore_index=True)

# 打印新的DataFrame
print(new_df)

上述代码中，首先创建了一个示例的DataFrame对象df。然后创建了一个空的DataFrame对象new_df，用于存储遍历结果。接下来使用iterrows()方法遍历df中的每一行，获取行索引和行数据。在示例代码中，我们将年龄加1作为处理的示例。然后将处理后的数据添加到new_df中，使用append()方法，并设置ignore_index=True来保持新的DataFrame的索引连续。最后打印出新的DataFrame对象new_df。

这个遍历pd.DataFrame以创建新的DataFrame的方法适用于需要根据DataFrame的每一行数据进行处理，并创建一个新的DataFrame对象的场景。可以根据具体需求进行相应的处理和操作。

腾讯云相关产品和产品介绍链接地址：