如何通过iterrows遍历DataFrame查找负数对应的行列位置

你当前用iterrows()逐行遍历的思路是可行的，只需要补全内部的数值判断逻辑即可，另外也提供数据量更大时更推荐的高效实现方案。

基于iterrows()的遍历实现 #

iterrows()每次循环返回两个值：第一个是当前行的索引，第二个是存储当前行所有列值的Series对象。你只需要在循环内再遍历每行的列名和对应值，判断值小于0时记录位置即可，代码如下：

for row_index, row_content in dataframe.iterrows():
    for col_name, cell_value in row_content.items():
        if cell_value < 0:
            # 按需要输出或者存储结果即可
            print(f"行索引：{row_index}，列名：{col_name}，负值：{cell_value}")

针对你给出的示例数据，运行后输出结果为：

行索引：abc，列名：456，负值：-9.7
行索引：qwe，列名：123，负值：-6.0

高效向量化实现（推荐大数据量场景使用） #

iterrows()是逐行循环的实现，数据量较大时运行效率很低，用Pandas原生的向量化操作可以一次性筛选出所有负值位置，性能提升非常明显：

# 生成布尔掩码，值为True的位置对应原数据中的负值
negative_mask = dataframe < 0
# 提取所有负值对应的(行索引, 列名)元组列表
negative_positions = negative_mask.stack()[lambda x: x].index.tolist()

# 遍历输出结果
for row_idx, col in negative_positions:
    print(f"行索引：{row_idx}，列名：{col}，负值：{dataframe.loc[row_idx, col]}")

运行输出和遍历方法完全一致。

内容的提问来源于stack exchange，提问作者Spiinner