一、row()
row() 是 Pandas 库中的一个函数，主要是用于在数据集中选取行。该函数需要在括号中输入对应的行号，以此来选取数据集中的一行。
二、row的-ing形式
row 在动词形式中常用现在分词（-ing 副词）表达进行中的状态。在 Pandas 库中，我们可以使用 irow()、iloc[]、loc[] 这些方法来获取某行数据。
import pandas as pd
df = pd.DataFrame({'name':['Alice', 'Bob', 'Charlie'], 'age':[25, 26, 27]})
# 使用 irow() 方法获取数据
print(df.irow(0))
# 输出 {'name': 'Alice', 'age': 25}
# 使用 iloc[] 方法获取数据
print(df.iloc[0])
# 输出 {'name': 'Alice', 'age': 25}
# 使用 loc[] 方法获取数据
print(df.loc[0])
# 报错：'the label [0] is not in the [index]'
三、rowing
Rowing 是划船的意思。在 Pandas 中，我们可以通过迭代的方式遍历整个数据集中的每一行数据：
import pandas as pd
df = pd.DataFrame({'name':['Alice', 'Bob', 'Charlie'], 'age':[25, 26, 27]})
# 使用 itertuples() 方法迭代遍历每一行数据
for row in df.itertuples():
print(row)
# 输出 Pandas 库中的 Index 对象
# 例如: Pandas(Index=0, name='Alice', age=25)
四、row a boat
Row a boat 是划船的意思。在 Pandas 中我们可以通过将每一行的数据提取出来使用，来进行一些简单的运算和统计：
import pandas as pd
df = pd.DataFrame({'name':['Alice', 'Bob', 'Charlie'], 'age':[25, 26, 27]})
# 将 Pandas 数据转化为 NumPy 的数组
df_arr = df.values
print(df_arr)
# 输出 [['Alice' 25]
# ['Bob' 26]
# ['Charlie' 27]]
# 对数据求平均值
mean_age = df['age'].mean()
print(mean_age)
# 输出 26.0
五、rows
Rows 是行的意思。在 Pandas 中，我们可以使用 nrows 参数来限制读取文件时最多读取的行数，或者使用 iloc[] 方法来选取数据集中的多行数据。
import pandas as pd
# 读取文件时限制最多读取的行数
df = pd.read_csv('data.csv', nrows=10)
# 使用 iloc[] 方法选取多行数据
top_5_rows = df.iloc[:5]
print(top_5_rows)
六、row的读法
row 单词的读法并不像它的字面意思一样，row 的正确发音是 /rəʊ/，即“罗”的音近。
七、low
根据字面意思，low 是低的意思。在 Pandas 中，我们可以通过 min() 方法来获取数据集中最小值所在行的数据，以及通过 max() 方法来获取数据集中最大值所在行的数据：
import pandas as pd
df = pd.DataFrame({'name':['Alice', 'Bob', 'Charlie'], 'age':[25, 26, 27]})
# 获取最小值所在行的数据
min_age = df['age'].min()
min_age_row = df.loc[df['age'] == min_age]
print(min_age_row)
# 输出 {'name': 'Alice', 'age': 25}
# 获取最大值所在行的数据
max_age = df['age'].max()
max_age_row = df.loc[df['age'] == max_age]
print(max_age_row)
# 输出 {'name': 'Charlie', 'age': 27}
八、总结
通过以上对 row() 函数的详细阐述，我们了解了 row() 函数的基本用法以及其相关的动词形式，通过迭代遍历和一些简单的运算，实现了对数据集中行的操作；同时，我们也知道了 row 的正确发音和与其相关的其他词汇。
