要遍历pyspark dataframe的行并应用UDF，可以按照以下步骤进行。

首先，导入必要的库和模块：

from pyspark.sql import SparkSession
from pyspark.sql.functions import udf

接下来，创建一个SparkSession：

spark = SparkSession.builder.appName("UDF Example").getOrCreate()

然后，定义一个UDF（User Defined Function）：

square_udf = udf(lambda x: x*x)

现在，创建一个示例DataFrame：

data = [("Alice", 25), ("Bob", 30), ("Charlie", 35)]
df = spark.createDataFrame(data, ["Name", "Age"])

接下来，遍历DataFrame的行并应用UDF：

for row in df.rdd.collect():
    name = row.Name
    age = row.Age
    squared_age = square_udf(age)
    print(f"Name: {name}, Age: {age}, Squared Age: {squared_age}")

最后，停止SparkSession：

spark.stop()

完整的示例代码如下：

from pyspark.sql import SparkSession
from pyspark.sql.functions import udf

# 创建SparkSession
spark = SparkSession.builder.appName("UDF Example").getOrCreate()

# 定义UDF
square_udf = udf(lambda x: x*x)

# 创建示例DataFrame
data = [("Alice", 25), ("Bob", 30), ("Charlie", 35)]
df = spark.createDataFrame(data, ["Name", "Age"])

# 遍历DataFrame的行并应用UDF
for row in df.rdd.collect():
    name = row.Name
    age = row.Age
    squared_age = square_udf(age)
    print(f"Name: {name}, Age: {age}, Squared Age: {squared_age}")

# 停止SparkSession
spark.stop()

这样，你就可以遍历pyspark dataframe的行并应用UDF了。