可以使用iterrows()函数来遍历数据框中的每一行，并对每一行进行清理。下面是一个示例代码：

import pandas as pd

# 创建示例数据框
data = {'姓名': ['张三', '李四', '王五'],
        '年龄': [25, 30, 35],
        '性别': ['男', '女', '男'],
        '地址': ['北京', '上海', '广州']}
df = pd.DataFrame(data)

# 遍历数据框中的每一行
for index, row in df.iterrows():
    # 对每一行进行清理处理
    # 这里只是示例，可以根据实际情况进行适当的清理操作
    cleaned_row = {
        '姓名': row['姓名'].strip(),
        '年龄': row['年龄'],
        '性别': row['性别'].upper(),
        '地址': row['地址'].capitalize()
    }
    # 更新原始数据框中的对应行
    df.loc[index] = cleaned_row

# 输出清理后的数据框
print(df)

运行上述代码，输出结果如下：

  姓名  年龄 性别  地址
0  张三  25  男  北京
1  李四  30  女  上海
2  王五  35  男  广州

在示例代码中，遍历数据框的每一行时，使用strip()方法去除姓名列中的空格，使用upper()方法将性别列的值转换为大写，使用capitalize()方法将地址列的值首字母大写。根据实际需要，可以对每一行的数据进行各种清理操作。