# Hoe DataFrames doorlopen met pandas iterrows()

De Python pandas-functie `DataFrame.iterrows()` wordt gebruikt om **rijen in een pandas DataFrame te doorlopen**. Voor elke rij levert deze functie een Python-tuple op die de rij-index en een Series-object met de gegevens van de rij bevat.

## Wat is de syntaxis voor pandas `iterrows()`?

De basissyntaxis van pandas `DataFrame.iterrows()` is eenvoudig, aangezien de functie **geen parameters nodig heeft**:

```python
df.iterrows()
```

In dit codevoorbeeld is `df` het DataFrame dat u wilt doorlopen.

## Hoe gebruik je de functie pandas `iterrows()`?

De functie `DataFrame.iterrows()` wordt meestal gebruikt wanneer u **gegevens rij voor rij** moet **verwerken**. Deze functie wordt vaak gecombineerd met Python for-loops.

### Waarden in een kolom optellen

Laten we eens kijken naar een voorbeeld van een DataFrame met de kolommen *Naam*, *Leeftijd* en *Score*:

```python
import pandas as pd
# Creating an example DataFrame
data = {'Name': ['Anna', 'Ben', 'Clara'],
    'Age': [23, 35, 29],
    'Score': [88, 92, 85]}
df = pd.DataFrame(data)
print(df)
```

De bovenstaande code resulteert in het volgende DataFrame:

```none
Name  Age  Score
0   Anna    23     88
1    Ben    35     92
2  Clara    29     85
```

Laten we nu de som van de scores berekenen. We kunnen hiervoor pandas `DataFrame.iterrows()` gebruiken:

```python
# Calculating the total score
total_score = 0
for index, row in df.iterrows():
    total_score += row['Score']
print(f"The total score is: {total_score}")
```

In dit voorbeeld hebben we de functie pandas `iterrows()` gebruikt om elke rij te doorlopen en de waarden in de kolom *Score* één voor één bij elkaar op te tellen. Dit levert het volgende resultaat op:

```none
The total score is: 265
```

Opmerking Bij het gebruik van pandas `iterrows()` is het belangrijk **om** de gegevens waarover u itereert **niet rechtstreeks te wijzigen**. Afhankelijk van het gegevenstype kan dit leiden tot onverwachte resultaten en onbedoeld gedrag.

### Rijen verwerken met behulp van voorwaarden

De functie `iterrows()` kan ook worden gebruikt om voorwaarden toe te passen op afzonderlijke rijen in uw DataFrame. Stel dat u bijvoorbeeld de namen wilt ophalen van iedereen ouder dan 30 jaar in de DataFrame uit het vorige voorbeeld:

```python
# Retrieving names of people over 30 years old
names = []
for index, row in df.iterrows():
    if row['Age'] > 30:
        names.append(row['Name'])
print(f"People over 30 years old: {names}")
```

In dit voorbeeld hebben we `DataFrame.iterrows()` gebruikt om elke rij met gegevens te doorlopen. Binnen de for-lus controleert het de waarden in de kolom *Leeftijd* en slaat het alleen de namen van mensen ouder dan 30 jaar op in de Python-lijst `names`. Dit wordt gedaan met behulp van de Python-functie append(). Dit is het resultaat:

```none
People over 30 years old: ['Ben']
```

Opmerking Hoewel `DataFrames.iterrows()` gemakkelijk te gebruiken is, moet u er rekening mee houden dat het **mogelijk niet efficiënt werkt bij grote DataFrames**. In veel gevallen kunnen andere opties, zoals `apply()` of gevectoriseerde berekeningen, worden gebruikt om betere prestaties te bereiken.


This is a markdown version of: [https://www.ionos.com/nl-be/digitalguide/websites/webontwikkeling/python-pandas-dataframe-iterrows/](https://www.ionos.com/nl-be/digitalguide/websites/webontwikkeling/python-pandas-dataframe-iterrows/) for AI/LLM consumption.