dataframe 循环_【Python效率】五种Pandas循环方法效率对比

本专栏招募作者及编辑，感兴趣分享学习R/Python数据分析/机器学习知识的可以私信联系

PS：有人提到一个问题很好，如果每次循环都采用比较复杂的操作似乎用向量化很难实现，我的建议是尽可能拆分成向量化操作，如果不行建议用numpy硬写然后用numba包加速。

正文：

如果你使用过Python及Pandas，那么你很有可能已经使用了for循环去进行某些数据分析操作。不幸的是，绝大部分Python新手使用的下标循环语句实际上是非常之慢的，即便在小数据集上也会消耗大量的运行时间。本专栏之前的一些文章已经涉及了这方面的讨论，在这篇文章中文兄进一步特意对五种不同的For Loop方法进行横向对比，使大家更加明晰自己平时写的各种For循环到底效率几何。

注意：之后代码里出现的df是一个只有一个column叫做test的dataframe。另外各方法下面的代码均只是用法举例，并不和测试速度用的代码完全一致。测试代码原文如下：

https://towardsdatascience.com/how-to-make-your-pandas-loop-71-803-times-faster-805030df4f06​towardsdatascience.com

方法1：下标循环（速度等级： ）

df1 = df
for i in