dataframe遍历每一行

### 回答1：
可以使用`iterrows()`方法来遍历DataFrame的每一行，例如：

import pandas as pd

df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})

for index, row in df.iterrows():
    print(f"Index: {index}, col1: {row['col1']}, col2: {row['col2']}")

输出结果为：

Index: 0, col1: 1, col2: 3
Index: 1, col1: 2, col2: 4

在循环中，`index`变量表示当前行的索引，`row`变量表示当前行对应的Series对象，可以通过列名来访问行的每个值。

### 回答2：
要遍历DataFrame的每一行，可以使用iterrows()方法来实现。iterrows()方法返回一个迭代器，每次迭代都会返回当前行的索引和数据。下面是一个示例代码：

import pandas as pd

# 创建一个DataFrame示例
data = {'姓名': ['张三', '李四', '王五'],
        '年龄': [21, 25, 30],
        '性别': ['男', '女', '男']}
df = pd.DataFrame(data)

# 使用iterrows()遍历每一行
for index, row in df.iterrows():
    # 打印行索引和行数据
    print('行索引:', index)
    print('行数据:')
    print(row)
    print('----------------')

运行以上代码，会输出每一行的索引和数据，如下所示：

行索引: 0
行数据:
姓名    张三
年龄    21
性别     男
Name: 0, dtype: object
----------------
行索引: 1
行数据:
姓名    李四
年龄    25
性别     女
Name: 1, dtype: object
----------------
行索引: 2
行数据:
姓名    王五
年龄    30
性别     男
Name: 2, dtype: object
----------------

通过遍历每一行，我们可以对每一行的数据进行逐行处理或分析。

### 回答3：
在使用DataFrame遍历每一行时，我们可以使用iterrows()方法。iterrows()会返回一个生成器对象，通过迭代器，我们可以逐行访问DataFrame的数据。

下面是一个使用iterrows()方法遍历DataFrame每一行的示例代码：

import pandas as pd

# 创建一个示例DataFrame
data = {'Name': ['John', 'Amy', 'Emma'],
        'Age': [25, 30, 28],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)

# 使用iterrows()方法遍历每一行
for index, row in df.iterrows():
    name = row['Name']
    age = row['Age']
    city = row['City']
    print(f"Name: {name}, Age: {age}, City: {city}")

运行以上代码，输出结果如下：

Name: John, Age: 25, City: New York
Name: Amy, Age: 30, City: London
Name: Emma, Age: 28, City: Paris

在遍历每一行时，我们可以通过row[item_name]的方式获取该行中某一列的具体数值，其中item_name为列的名称。在上述示例中，我们通过row['Name']获取了每一行的Name列数值，以此类推。

需要注意的是，通过iterrows()方法遍历DataFrame的效率相对较低，因为它需要将每一行数据转换为一个Series对象，所以在处理大规模数据时，可以考虑其他更高效的方法，如apply()等。