python - 迭代 Pandas DataFrame 与迭代其列名相同吗？

Question

我曾认为 Pandas DataFrame 基本上表示为列的集合。也就是说，我认为以下两行代码会生成相同的系列列表(对于某些任意 DataFrame df):

list1 = [item for item in df]
list2 = [df[col_name] for col_name in df.columns]

但显然它们非常不同；将 df 视为可迭代对象并单步执行它与单步执行 df.columns 完全相同，后者当然只是一个列名称列表:

df = pd.DataFrame({'col_1': [1,2,3,4,5], 'col_2':[5,6,7,8,9]})

for a, b in zip(df, df.columns):
    print(a,b, type(a), type(b), a==b)

输出:

col_1 col_1 <class 'str'> <class 'str'> True
col_2 col_2 <class 'str'> <class 'str'> True

这是为什么呢？这对我来说似乎非常不直观。

(需要明确的是:我不是问如何获取 DataFrame 中的列列表，或者如何逐步浏览 DataFrame 的列。)

Answer 1

当您尝试直接迭代 df 时，如下所示:

[item for item in df]

您正在调用 df.__iter__() 方法，该方法依次调用 df._info_axis 属性，然后调用 df._info_axis_name 属性，对于 Dataframe 来说，该属性是列名称列表。

当您调用 df[col_name] 时，您正在对数据帧的列进行切片。