如何通过索引获取DataFrame行，使其结果与data_file.iterrows()一致？

首先得明确iterrows()的返回格式：它每次迭代都会返回一个元组，第一个元素是该行的索引标签，第二个元素是以原DataFrame列名为索引的Series对象——这两个部分缺一不可，才能和iterrows()的结果完全匹配。

下面分两种场景给你可行的解决方案：

1. 按行的位置（整数索引）获取 #

如果你知道目标行在DataFrame中的位置（从0开始计数），可以用iloc获取行数据，再搭配df.index拿到对应的索引标签：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'A': [10, 20, 30], 'B': [40, 50, 60]}, index=['x', 'y', 'z'])

# 获取第1行（位置索引为1）
target_pos = 1
row_index = df.index[target_pos]
row_series = df.iloc[target_pos]

# 输出结果，和iterrows()迭代到第1行的内容完全一致
print(row_index, row_series)

2. 按行的标签索引获取 #

如果你的DataFrame用了自定义的标签索引（比如字符串、日期等），直接用loc根据标签取行，再把标签本身作为元组的第一个元素：

# 获取标签为'z'的行
target_label = 'z'
row_index = target_label
row_series = df.loc[target_label]

print(row_index, row_series)

注意：处理重复索引的情况 #

如果你的DataFrame存在重复的行标签，直接用loc会返回一个子DataFrame而不是Series，这时候需要用iloc[0]提取第一行转成Series，才能和iterrows()的单一行结果匹配：

# 带重复索引的示例DataFrame
df_dup = pd.DataFrame({'A': [10, 20, 30], 'B': [40, 50, 60]}, index=['x', 'x', 'z'])

target_label = 'x'
row_index = target_label
# 提取第一个匹配标签的行转成Series
row_series = df_dup.loc[target_label].iloc[0]

print(row_index, row_series)

为什么你的尝试可能不对？ #

大概率是只获取了行的Series数据，没有把行索引标签包含在结果里，或者混淆了位置索引和标签索引（比如用loc传入位置数字，而你的行索引不是默认整数），导致结果和iterrows()的结构/内容不一致。

内容的提问来源于stack exchange，提问作者Cong Yang