Dask是一个用于处理大型数据集的分布式计算框架，它可以处理比内存更大的数据集，并且可以在集群上并行执行操作。

要按行切分Dask数据框，可以使用dask.dataframe.read_csv()函数来加载CSV文件，并使用dask.dataframe.npartitions属性来获取数据框的分区数。

下面是一个按行切分Dask数据框的示例代码：

import dask.dataframe as dd

# 加载CSV文件
df = dd.read_csv('data.csv')

# 获取数据框的分区数
npartitions = df.npartitions

# 按行切分数据框
splits = []
for i in range(npartitions):
    split = df.get_partition(i)
    splits.append(split)

# 打印每个切分后的数据框
for split in splits:
    print(split.compute())

在代码示例中，我们首先使用dask.dataframe.read_csv()函数加载了名为data.csv的CSV文件，并将其存储为Dask数据框df。然后，我们使用df.npartitions属性获取数据框的分区数。

接下来，我们创建一个空列表splits来存储每个切分后的数据框。然后，我们使用df.get_partition(i)方法按照分区索引获取每个切分的数据框，并将其添加到splits列表中。

最后，我们使用split.compute()方法将每个切分的数据框计算为Pandas数据框，并打印出来。

请注意，get_partition()方法返回的是一个Dask数据框，而不是一个Pandas数据框。要将其转换为Pandas数据框以进行后续计算或操作，可以使用compute()方法。

希望这个示例可以帮助你按行切分Dask数据框。