如何将pandas DataFrame行转为numpy数组逐行处理并解决NameError报错

• 直接使用for row in data遍历pandas DataFrame时，默认迭代返回的是列名，而非每行的数据内容
• 代码中直接书写header_0属于未定义的独立变量，Python不会自动将其关联到DataFrame的表头字段，需要主动从行数据中读取对应列的取值

方案1：逐行遍历（适配原有逻辑） #

使用iterrows()方法遍历每一行，通过行对象的列名索引获取对应字段值：

import pandas as pd
import numpy as np

def function():
    # 加载数据
    data = pd.read_csv('data.csv')
    # 遍历每一行，iterrows返回(行索引, 行数据Series)
    for idx, row in data.iterrows():
        # 从当前行读取对应列的值构造矩阵
        variable_matrix = np.array([[row['header_0'], row['header_1']], [row['header_2'], row['header_3']]])
        weight_matrix = np.array([[0.01, 0.01], [0.01, 0.01]])
        output = np.matmul(variable_matrix, weight_matrix)
        print(output)

注意事项 #

• iterrows()返回的行数据是原DataFrame的视图，修改行数据不会同步到原DataFrame
• 数据量超过1万行时，iterrows()性能较差，推荐使用向量化方案

方案2：向量化运算（更高性能，无需循环） #

直接提取整列数据批量做矩阵运算，效率是逐行遍历的百倍以上：

import pandas as pd
import numpy as np

def function():
    data = pd.read_csv('data.csv')
    weight_matrix = np.array([[0.01, 0.01], [0.01, 0.01]])
    # 批量提取所有行的对应列构造三维矩阵，维度为(行数, 2, 2)
    variable_matrices = data[['header_0', 'header_1', 'header_2', 'header_3']].values.reshape(-1, 2, 2)
    # 批量做矩阵乘法，输出维度为(行数, 2, 2)
    outputs = np.matmul(variable_matrices, weight_matrix)
    # 逐行打印结果，和原逻辑输出一致
    for output in outputs:
        print(output)

内容的提问来源于stack exchange，提问作者BSH180_44