使用pandas遍历csv表格数据的效率问题（df.loc/iloc与df.at/iat的异同）

背景

    在处理数据量较大的表格（25万行）时，需要遍历表格中的每个值，前期使用df.loc进行遍历，不仅非常耗时，而且运行十几个小时程序经常崩溃。。。

解决方法

    在网上搜索解决方案，使用df.at代替df.loc后，与之前十几个小时相比，现在几分钟就全部遍历完成！！！

    特地搜索了一下loc与at的区别，loc和at都是利用index和列名进行检索，但at更快。

    df.iloc/loc的优势在于可以灵活的对数据进行切片或选择性提取多个数值，例如：

df.loc[1:10,'weight']
df.loc[[1,3,6],'weight']

    虽然df.at/iat仅能进行单个值的提取，但是在对大量数据进行逐个遍历的场景下，效率才是第一生产力！

for i in range(len(str2num_list)):
    for j in range(len(data[str2num_list[i]])):
        if type(df.iat[j,i]) == str:
            df.iat[j,i] = 0   #此处使用df.iloc将大大降低效率

引用pandas.DataFrame.at官方文档：

Access a single value for a row/column label pair.

Similar to loc, in that both provide label-based lookups. Use at if you only need to get or set a single value in a DataFrame or Series.