Python Pandas 迭代行并访问列名

我正在尝试迭代 Python Pandas 数据帧的行。在数据帧的每一行中，我尝试通过列名称引用行中的每个值。

这是我所拥有的：

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.rand(10,4),columns=list('ABCD'))
print df
          A         B         C         D
0  0.351741  0.186022  0.238705  0.081457
1  0.950817  0.665594  0.671151  0.730102
2  0.727996  0.442725  0.658816  0.003515
3  0.155604  0.567044  0.943466  0.666576
4  0.056922  0.751562  0.135624  0.597252
5  0.577770  0.995546  0.984923  0.123392
6  0.121061  0.490894  0.134702  0.358296
7  0.895856  0.617628  0.722529  0.794110
8  0.611006  0.328815  0.395859  0.507364
9  0.616169  0.527488  0.186614  0.278792

I used 这种方法 https://stackoverflow.com/a/16476974/4057186迭代，但这只是给了我解决方案的一部分 -在每次迭代中选择一行后，如何通过列名称访问行元素？

这是我正在尝试做的事情：

for row in df.iterrows():
    print row.loc[0,'A']
    print row.A
    print row.index()

我的理解是该行是 Pandasseries http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.html。但我无法索引该系列。

是否可以在迭代行的同时使用列名？

我也喜欢itertuples()

for row in df.itertuples():
    print(row.A)
    print(row.Index)

由于 row 是一个命名元组，如果您打算访问每一行上的值，则应该是MUCH faster

速度跑：

df = pd.DataFrame([x for x in range(1000*1000)], columns=['A'])
st=time.time()
for index, row in df.iterrows():
    row.A
print(time.time()-st)
45.05799984931946

st=time.time()
for row in df.itertuples():
    row.A
print(time.time() - st)
0.48400020599365234