下面是一个在Scala中使用Apache Spark遍历DataFrame的行并通过MutableList创建新的DataFrame的示例代码：

import org.apache.spark.sql.{DataFrame, SparkSession}
import org.apache.spark.sql.functions._

import scala.collection.mutable.ListBuffer

object DataFrameTraversalExample {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder()
      .appName("DataFrameTraversalExample")
      .master("local")
      .getOrCreate()

    import spark.implicits._

    // 创建示例DataFrame
    val data = Seq(
      ("Alice", 25),
      ("Bob", 30),
      ("Charlie", 35)
    )
    val df = data.toDF("Name", "Age")

    // 遍历DataFrame的行并通过MutableList创建新的DataFrame
    val newRows = new ListBuffer[(String, Int)]()
    df.collect().foreach(row => {
      val name = row.getAs[String]("Name")
      val age = row.getAs[Int]("Age")
      val newName = name.toUpperCase()
      val newAge = age + 10
      newRows.append((newName, newAge))
    })

    val newDf = newRows.toDF("NewName", "NewAge")
    newDf.show()
  }
}

在上面的代码中，我们首先创建了一个示例DataFrame df，其中包含两列：Name和Age。然后，我们通过遍历DataFrame的每一行，将每一行的Name转换为大写，并将Age增加10后添加到一个MutableList中。最后，我们使用toDF方法将MutableList转换为新的DataFrame newDf，并使用show方法显示新的DataFrame的内容。

请注意，这种方法适用于处理较小的数据集。如果数据集非常大，可能需要考虑使用Spark的分布式计算能力来处理数据。