今天就跟大家聊聊有关Pandas DataFrame中的tuple元素遍历的实现，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
pandas中遍历dataframe的每一个元素
假如有一个需求场景需要遍历一个csv或excel中的每一个元素，判断这个元素是否含有某个关键字
那么可以用python的pandas库来实现。
方法一：
pandas的dataframe有一个很好用的函数applymap，它可以把某个函数应用到dataframe的每一个元素上，而且比常规的for循环去遍历每个元素要快很多。如下是相关代码：
import pandas as pd data = [["str","ewt","earw"],["agter","awetg","aeorgh"]] dataframe1 = pd.DataFrame(data=data,columns=["name1","name2","name3"]) print(dataframe1) bool_array = dataframe1.applymap(lambda x:"w" in x) out_array = dataframe1[bool_array] print(out_array) >> name1 name2 name3 0 str ewt earw 1 agter awetg aeorgh name1 name2 name3 0 NaN ewt earw 1 NaN awetg NaN
代码中，bool_array为一个逻辑矩阵，满足条件元素的位置为true，否则为false。然后通过逻辑矩阵去索引dataframe1，就可以得出满足条件的元素。
方法二：
第一种方法是一次性遍历每个元素，这样不好分column去处理，那换一种方式可以每次遍历一列
#接上面代码
file_columns = dataframe1.columns.tolist()
for column in file_columns:
bool_index = dataframe1[column].str.contains("w")
filter_data = dataframe1[column][bool_index]
print(filter_data)
>>
Series([], Name: name1, dtype: object)
0 ewt
1 awetg
Name: name2, dtype: object
0 earw
Name: name3, dtype: object代码种 Series.str.contains 是 Series 才有的一个操作。另外，filter_data只输出每一列中满足条件的元素，更方便下一步的操作。
简单说明：
针对pandas的dataframe和series，有强大的高阶函数：apply，applymap和map函数等，它们比简单的for循环要快很多，善用这些高阶函数会让你事半功倍。
Pandas DataFrame中的tuple元素遍历
在用Word2vec计算出词语的相似度之后，得到的DataFrame格式如下：
1. 索引（index）为输入的关键词，从第0列开始为相似度最高的词语和它的余弦相似度。
2. 这个DataFrame 中每一个元素，比如(通话, 0.21321064233779907)的格式为tuple。
输入数据：
0 1
银行 (通话, 0.21321064233779907) (钻石卡, 0.1743093729019165)
手机 (想要, 0.21755412220954895) (长时间, 0.16086308658123016)
期望输出的数据
1. 只取相似度最高的词语，丢弃余弦相似度。
2. 把关键词从索引中取出来，单独作为1列。
期望输出：
核心关键词 0 1
0 银行 通话 钻石卡
1 手机 想要 长时间
Python 实现的代码：
主要使用1）applymap，2）lambda，3）reset_index，4）rename
import pandas as pd
s_df_untuple = s_df.applymap(lambda x: x[0]) # 对dataframe中所有元素，只取tuple中的第0个
s_df_untuple = s_df_untuple.reset_index() # 把索引变为单独的一列
s_df_untuple.rename(columns={"index": '核心关键词'}, inplace=True) # 对索引这一列重命名看完上述内容，你们对Pandas DataFrame中的tuple元素遍历的实现有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联行业资讯频道，感谢大家的支持。