如何通过行列索引访问CSV文件单个值？循环处理代码问询

先修正你代码里的问题 #

• 循环边界错误：100行100列的CSV，索引默认从0开始，循环条件应该是col < 100和row < 100，用<=100会触发索引越界
• 取值语法错误：distf.1[row]写法不合法，二维数据要通过[行索引][列索引]的方式访问

方法1：用Python标准库csv实现 #

先把CSV数据读取为二维float列表，再通过嵌套循环逐个访问元素，完成阈值比较和排序：

import csv

# 读取CSV并转换为二维float数组
data = []
with open('你的文件路径.csv', 'r') as f:
    reader = csv.reader(f)
    for row in reader:
        float_row = [float(val) for val in row]
        data.append(float_row)

# 设定阈值
threshold = 3.5
# 存储符合条件的元素，用于后续排序
target_values = []

# 嵌套循环遍历每个元素
for col in range(100):
    for row in range(100):
        # 按行列索引取值
        current_val = data[row][col]
        # 阈值比较逻辑
        if current_val >= threshold:
            target_values.append(current_val)
        # 可添加else分支处理不符合条件的元素

# 对收集到的元素排序
target_values.sort()
# 反向排序可加参数：target_values.sort(reverse=True)

方法2：用pandas实现（更高效简洁） #

如果数据处理需求复杂，pandas的索引访问和矢量化操作会更省心：

import pandas as pd

# 读取CSV，指定无表头、数据类型为float
df = pd.read_csv('你的文件路径.csv', header=None, dtype=float)

threshold = 3.5
target_values = []

# 遍历所有行列索引
for col in range(df.shape[1]):
    for row in range(df.shape[0]):
        # 用iloc按行列索引取值
        current_val = df.iloc[row, col]
        if current_val >= threshold:
            target_values.append(current_val)

# 排序
target_values.sort()

如果不需要逐个遍历，pandas还能直接用矢量化操作快速完成筛选+排序：

# 一步筛选所有大于阈值的值并排序
filtered_sorted = df[df >= threshold].stack().sort_values().tolist()

内容的提问来源于stack exchange，提问作者Sush