pandas groupby后调用iterrows报错AttributeError，求解决方案

groupby()返回的是分组对象（DataFrameGroupBy），不是普通DataFrame，所以没有iterrows()方法。解决方式分两种场景：

1. 需遍历分组内的每一行 #

直接遍历分组对象，每个迭代元素是(组名, 子DataFrame)，再对子DataFrame调用iterrows()：

import pandas as pd

# 示例数据
df = pd.DataFrame({
    'group': ['A', 'A', 'B', 'B'],
    'value': [1, 2, 3, 4]
})

# 遍历分组+行
for group_name, sub_df in df.groupby('group'):
    print(f"组名: {group_name}")
    for idx, row in sub_df.iterrows():
        print(f"行索引: {idx}, value值: {row['value']}")

2. 优先用内置分组计算（更高效） #

如果是做分组统计/计算，尽量用pandas内置的agg()、apply()等方法，比手动遍历行效率高得多：

示例1：聚合计算 #

# 计算每组的均值、总和
agg_result = df.groupby('group').agg({
    'value': ['mean', 'sum']
})
print(agg_result)

示例2：自定义分组处理 #

def process_subgroup(sub_df):
    # 自定义逻辑：给每组加列，存value的累加和
    sub_df['cumulative_sum'] = sub_df['value'].cumsum()
    return sub_df

processed_df = df.groupby('group').apply(process_subgroup)
print(processed_df)

注意：iterrows()本身效率较低，大数据量场景下建议优先用矢量化操作或分组聚合方法，避免逐行遍历。

内容的提问来源于stack exchange，提问作者DONMEA