遍历Pandas DataFrame时循环变量指向异常问题求助

哦，这个问题我之前帮好几个刚上手Pandas的同事排查过，本质是你遍历的对象类型不一样，Pandas本身的迭代逻辑是固定的，不会随机变，大概率是你的records变量在两个场景下指向的东西不一样：

核心原因：Pandas DataFrame默认迭代的是列名 #

当你直接遍历DataFrame本身（比如for item in df:），Pandas的默认行为就是遍历它的列名。所以如果你的records就是原始的DataFrame对象，那enumerate(records)返回的就是(索引值, 列名)，这时候record自然就是列名了，比如：

import pandas as pd
df = pd.DataFrame({'name': ['Alice', 'Bob'], 'age': [25, 30]})
records = df  # 直接赋值为DataFrame本身
for i, record in enumerate(records):
    print(record)
# 输出结果是列名：
# name
# age

为什么另一个场景能拿到行数据？ #

你说在更大的DataFrame上能输出行记录，那肯定是这个场景下的records不是原始DataFrame，而是行迭代器或者行数据的集合，常见的几种情况：

• 你调用了df.iterrows()：这会返回一个迭代器，每次迭代给出(行索引, 行数据Series)
• 你调用了df.itertuples()：返回的是行数据的命名元组，比iterrows()效率更高，适合大数据集
• 你把DataFrame转成了数组：比如df.values或者df.to_numpy()，遍历的就是每一行的数组

举个实际例子，用iterrows()的情况：

for i, record in df.iterrows():
    print(record)
# 输出行数据：
# name    Alice
# age        25
# Name: 0, dtype: object
# name      Bob
# age        30
# Name: 1, dtype: object

为什么会出现“大小DF行为不同”的情况？ #

大概率是你处理大DF的时候，无意中做了额外的处理——比如为了提高效率，大DF的时候你调用了iterrows()或者转成了数组，而小DF的时候直接用了原始DataFrame。比如可能代码里有类似“如果DF行数超过N就用迭代器”的分支？

解决建议 #

要避免这种混乱，直接明确你要遍历的目标：

• 要遍历列：直接遍历DataFrame本身即可（for col in df:）
• 要遍历行：一定要显式调用行迭代方法，推荐优先用itertuples()（效率更高），其次是iterrows()，如果不需要索引可以用df.to_numpy()遍历数组

内容的提问来源于stack exchange，提问作者M Post