如何确保for循环完整遍历整个pandas DataFrame？

直接对pandas DataFrame对象做for x in df迭代时，遍历的目标是DataFrame的列名，不是行数据，循环总次数等于DataFrame的列数，和行数无关。
你得到的列表长度为87，恰好说明你的DataFrame总共有87列，循环跑完了所有列名的迭代自然终止，根本没有遍历20434行的逻辑，自然得不到对应长度的列表。

另外你的代码还存在两个隐性问题：

• 自定义变量命名为list，会覆盖Python内置的list类型，后续如果要调用list相关方法会报错
• 循环内完全没有使用迭代得到的row变量，靠手动维护自增索引n取值，哪怕修正了遍历方式，也很容易出现索引错位的问题

你的需求不需要写显式for循环，pandas的向量化接口运行效率比手写行循环高几十到上百倍，代码也更简洁：

# 直接计算16到20列（左闭右开，对应第17到20列）的行方向均值，默认自动跳过NaN值
df["指定列均值"] = df.iloc[:, 16:20].mean(axis=1, skipna=True)

如果确实需要拿到单独的均值列表，直接调用.tolist()即可：

mean_list = df.iloc[:, 16:20].mean(axis=1, skipna=True).tolist()
# 此时len(mean_list)必然等于len(df)也就是20434

如果一定要用循环实现（极度不推荐，数据量大时运行速度极慢），需要用专门的行遍历方法：

import numpy as np
mean_list = []
# 用iterrows()逐行遍历，返回值第一个是行索引，第二个是行数据
for _, row in df.iterrows():
    mean_list.append(np.nanmean(row.iloc[16:20]))

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