如何在Pandas DataFrame中遍历指定行？以50-100行为例

嘿，我来帮你搞定这个问题！要遍历DataFrame的第50到100行，其实只需要先对DataFrame做切片，再结合你已经在用的iterrows()就行，这里分几种常见情况给你说明：

一、按行位置（第50到100行）筛选（最常用） #

因为Pandas是0-based索引（也就是第一行索引是0），所以第50行对应的索引是49，第100行对应的索引是99。我们可以用iloc来按位置切片，然后再遍历：

# 切片范围是49到100（左闭右开，刚好覆盖索引49到99，即第50到100行）
for index, row in df.iloc[49:100].iterrows():
    # 这里写你的行处理逻辑，比如获取某列的值
    print(row['your_column_name'])

这种方法最可靠，不管你的DataFrame索引是不是连续整数，iloc都会严格按行的物理位置来取。

二、如果是按索引值筛选（比如索引是连续整数） #

如果你的DataFrame用的是默认的连续整数索引，且你想筛选索引值从50到100的行（注意这和“第50到100行”不是一回事，除非索引从1开始），可以用loc：

# loc是包含两端的，所以50:100会取索引50到100的所有行
for index, row in df.loc[50:100].iterrows():
    # 处理逻辑
    pass

三、更高效的遍历方式（可选） #

iterrows()虽然好用，但因为每次都会把行转成Series，在数据量大的时候效率不算高。如果追求速度，可以试试itertuples()，它会返回命名元组，访问速度更快：

for row in df.iloc[49:100].itertuples(index=True, name='RowData'):
    # 访问列可以直接用.row_column_name（注意列名不能有空格）
    print(row.your_column_name)
    # 或者用索引访问，index=True时第一个元素是行索引，第二个是第一列
    print(row[1])

内容的提问来源于stack exchange，提问作者Hotchinchilla