DataFrame 行循环：高效方法与性能对比

在 DataFrame 中循环行内容：在 DataFrame 中循环行的方法有很多种，以下是其中几种常用的方法：\n\n1. 使用 iterrows() 方法：\npython\nfor index, row in df.iterrows():\n # 在这里写你的代码\n # 可以通过 row 来访问每一行的数据，通过 index 来访问索引\n\n这种方法的缺点是速度较慢，特别是对于大型 DataFrame 来说。\n\n2. 使用 itertuples() 方法：\npython\nfor row in df.itertuples():\n # 在这里写你的代码\n # 可以通过 row 来访问每一行的数据，row 是一个命名元组\n\n这种方法比 iterrows() 方法更快，因为它返回的是一个命名元组而不是一个 Series 对象。\n\n3. 使用 apply() 方法：\npython\ndf.apply(lambda row: your_function(row), axis=1)\n\n在这种方法中，你需要自定义一个函数 your_function 来处理每一行的数据。注意要设置 axis=1，表示按行应用函数。\n\n4. 使用 numpy 的 nditer() 方法：\npython\nimport numpy as np\n\nfor row in np.nditer(df.values):\n # 在这里写你的代码\n # 可以通过 row 来访问每一行的数据\n\n这种方法使用了 numpy 的 nditer() 方法来迭代 DataFrame 中的每一个元素，速度较快。\n\n总的来说，对于大型 DataFrame，推荐使用 itertuples() 方法或 numpy 的 nditer() 方法来循环行。如果需要对每一行进行复杂的操作，可以使用 apply() 方法。