如何将Pandas迭代速度加快150倍？

面对现实吧，Python的速度在与C语言或Go语言相比时，的确引发了不少口水战。

这让笔者一段时间以来，一直对Python快速处理任务的能力有所怀疑。

目前，笔者尝试在Go语言中进行数据科学研究——这是有可能的——但操作起来根本不像在Python中那样令人愉快，多半是由于语言的静态特性和数据科学大多是探索性领域。

并不是说用Go语言重写完成的解决方案不能提高性能，但这是另一篇文章的主题。

迄今为止，笔者至少忽略了Python可以更快地处理任务这一能力。笔者一直饱受目光短浅之苦——这是一种表现为当你只看到一种解决方案时，完全忽视其他方案的存在的综合征。相信出现这种情况的不只笔者自己。

这就是笔者今天想简要介绍如何令Pandas每日工作速度更快且更为愉悦的原因。更准确地说，该示例将关注行之间的迭代，并在过程中执行一些数据操作。因此，事不宜迟，一起进入正题。

做一个数据集

把观点论述清楚最简单的方法是声明一个单列数据框对象，其整数值范围为1到100000：

真的不需要任何更为复杂的东西来解决Pandas的速度问题。为验证一切进展顺利，以下是数据集的前几行和整体形状：

好了，准备工作已做足，现在一起看看如何遍历以及如何不遍历数据框的行。首先介绍如何不进行选择。

以下是你不应该做的事

啊，笔者一直在使用（和过度使用）如此多的iterrows()方法。它在默认情况下速度很慢，但你知道笔者费心去寻找替代方案的原因（目光短浅）。

为证明你不该使用iterrows()方法在数据框中进行遍历，笔者会做个快速演