使用Pandas的迭代以及其他关于效率的一点记录

计算强度 耗时： 464.36 秒

2.使用 Series.items（等同itertems())，迭代计算

计算强度 耗时： 50.41 秒

从这个结果看时间可能是消耗在Series转成DataFrame。

3.使用 Series.iter()，进行迭代计算，这个是只对序列的值进行迭代，我的计算刚好用不上index，测试了下很吃惊。

计算强度 耗时： 18.09 秒

iter，两边有下划线，上边的不知道为何显示不出来。看来只对values迭代，相对 index和values要快不少。

以上这些时间的记录还包含了其他的代码运行时间，如果刨除，将显示效率提高的更高。

4.对DataFrame使用drop删除操作
在iterrows迭代中进行对DataFrame的删除操作，如果符合条件，将当前行删除 drop(index)

转换15to30 耗时： 351.42 秒

在迭代中，将符合条件的index加入一个数列 list(index)，迭代完成之后，进行删除操作，drop(list(index))

转换15to30 耗时： 7.11 秒

以上的这些巨大的提升使我震惊VQChwi4XYBzonNUSDJl0om7WlvE+WCTurz3njfeXmfM=\n，看来正确使用Pandas至关重要。02NJCs0l0ldoD1m1Jnxw11有效期20210322