Pandas - Iteration

https://rfriend.tistory.com/601

DataFrame의 record(or row)를 순회(iteration)하는 방법:

1. iterrows()

각 행을 (index, Series) 형태로 반환:

import pandas as pd

df = pd.DataFrame({
    "name": ["Kim", "Lee", "Park"],
    "age": [28, 34, 29]
})

for idx, row in df.iterrows():
    print(idx, row["name"], row["age"])

• 장점: 직관적, 사용이 간단
• 단점: 각각의 row를 Series로 반환 -> 성능 느림 (특히 큰 DataFrame 객체의 경우)

각 열 단위로 비슷하게 iteration하는 것으로 iteritems()가 있음.

---

2. itertuples()

각 row를 namedtuple로 반환.

for row in df.itertuples(index=True):
    print(row.Index, row.name, row.age) # naumedtuple은 attribute처럼 접근 가능.

• 장점: iterrows()보다 빠름
• 단점: 반환값이 tuple이므로 속성 접근 방식 제한적

2025.04.04 - [Python] - [Py] collections.namedtuple-Factory Function

[Py] collections.namedtuple-Factory Function

---

3. apply()

엄밀히는 순회라기 보다는 각 row 단위로 지정한 function을 적용

즉, row 전체에 대해 인자로 넘겨준 callback function을 적용.

df.apply(lambda row: print(row["name"], row["age"]), axis=1)

• 장점: 빠르고 효율적.
• 단점: for 루프보다는 빠르지만, 여전히 순차적 처리임.

2025.08.20 - [Python/pandas] - [Pandas] .map() 과 .apply() 메서드

[Pandas] .map() 과 .apply() 메서드

---

4. 벡터화 접근 (권장)

가능하다면 루프 대신 벡터화 연산을 사용하는 게 성능 최선임.

print(df["name"] + " / " + df["age"].astype(str))

2024.03.19 - [Python] - [Tensor] vectorized op. (or universal func)

[Tensor] vectorized op. (or universal func)

---

Summary

• 작은 데이터: iterrows() 직관적
• 큰 데이터: itertuples() 읽기 전용. 성능 우수
• 함수적 처리: apply()
• 가장 권장: 루프 대신 벡터화 연산

---

같이보면 좋은 자료들

https://ds31x.tistory.com/124#%EB%B0%98%EB%B3%B5%EB%AC%B8

[Python] Control Structure and Control Flow

2024.02.04 - [Python] - [Python] itertools: iterator를 반환.

[Python] itertools: iterator를 반환.

---