pandas读取csv文件如何遍历每一行

在Python中，你可以使用Pandas库来读取CSV文件并遍历每一行。以下是如何操作的步骤[^1]：

1. 首先，使用`pd.read_csv()`函数加载CSV文件，指定文件路径（如"data_path.csv"），以及可选参数，如不设置列名则使用None作为`header`，默认分隔符逗号(`sep=','`)。

import pandas as pd

# 读取CSV文件
df = pd.read_csv('data_path.csv', header=None)

# 如果有列名，可以这样指定
# df = pd.read_csv('data_path.csv', header=0)

2. 接下来，使用`.iterrows()`方法逐行遍历DataFrame，返回的是行索引和对应的行数据这对元组。这一步会迭代整个DataFrame，包括行名（如果有的话）。

for index, row in df.iterrows():
    print(f"Row {index}: {row}")

这里的`row`变量就是当前行的数据，你可以访问它的各项值。

3. 如果你想仅遍历数据部分（不包括行名），可以直接访问`df.values`属性，它会返回一个二维数组，表示DataFrame的数值内容。

for row in df.values:
    print(row)

然而，在尝试将DataFrame转换为PyTorch Tensor时，可能会遇到错误，因为张量通常期望形状固定，而DataFrame的大小可能变化。要避免这个错误，确保你的数据集已预先整理成固定大小的结构，或者使用 `.to_numpy()` 或者 `torch.as_tensor()` 方法：

# 只保留数据部分
data_only = df.values

# 或者将DataFrame转换为numpy数组再转Tensor
tensor_from_df = torch.from_numpy(data_only)

# 或者直接从DataFrame创建张量，但可能需要填充NaN或零填充
try:
    tensor_from_df = torch.tensor(df.values, dtype=torch.float32, default_fill_value=0)
except ValueError:
    pass