迭代iter   2018/12/1
    
=======================================================================
1.基本iteration()产生：#系列：值；DataFrame：列标签；面板：项目标签
# 迭代Series类似数组，迭代产生值。其他数据结构如DataFrame遵循迭代对象“键”的类似dict
    
s = pd.Series( [1,2,3],index=['a', 'b', 'c'])
for col in s:
    print(col,end=",")  #1 ,2 ,3,

df = pd.DataFrame({'col1' : [1,2,3], 'col2' : [4,5.0,6]},index=['a', 'b', 'c'])
for col in df:
       print(col)           # col1 col2
=======================================================================
    
2.iteritems 类似dict遍历键值对：
# 系列 :(索引，标量值）对；DataFrame :(列，系列）对；面板 :( item，DataFrame）对
    
for index,value in s.iteritems():
    print('(%s,%s)'%(index,value,),end='') # (a,1)(b,2)(c,3)
    
for col,s0 in df.iteritems():
    print(col)
    print(s0)
# col1
# a    1
# b    2
# c    3
# Name: col1, dtype: int64
# col2
# a    4.0
# b    5.0
# c    6.0
# Name: col2, dtype: float64
=====================================================================
3.迭代DataFrame行
    
iterrows()迭代DataFrame行返回迭代器，产生索引值及每行Series；没有保留跨行dtypes
itertuples()返回迭代器，为DataFrame每一行产生一个namedtuple。
    # 元组的第一个元素是行的相应索引值，而其余值是行值。
    #  itertuples()保留值的数据类型快于iterrows()
    
# 实例1：
for row_index, row in df.iterrows():
       print('%s\n%s' % (row_index, row))
       
#  a
# col1    1.0
# col2    4.0
# Name: a, dtype: float64
# b
# col1    2.0
# col2    5.0
# Name: b, dtype: float64
# c
# col1    3.0
# col2    6.0
# Name: c, dtype: float64
    
# 实例2：
for row in df.itertuples():
       print(row)
    
# Pandas(Index='a', col1=1, col2=4.0)
# Pandas(Index='b', col1=2, col2=5.0)
# Pandas(Index='c', col1=3, col2=6.0)
======================================================================
4.备注
    # pandas对象迭代通常很慢。在许多情况下，不需要在行上迭代，用以下方法之一避免：
    # 矢量化：内置方法或NumPy函数（布尔）索引，若无函数可用最好用apply()而不是迭代值。
    # 性能很重要用cython或numba编写内部循环。
    
警告
    迭代器返回副本而不是视图，写入它将不起作用！
======================================================================