for循环遍历dataframe慢是因为每次取值需索引查找、类型检查和对象封装，相当于在c数组上套python解释器“厚外套”，万行以上性能差10–100倍；应优先用向量化操作如np.where、pd.cut、str.方法等替代。
为什么 for 循环遍历 DataFrame 很慢
因为 DataFrame 底层是 NumPy 数组，而 Python 的 for 循环每次取值都要触发索引查找、类型检查、对象封装，相当于在 C 速度的数组上套了一层 Python 解释器的“厚外套”。尤其当行数超万，性能差距可达 10–100 倍。
常见错误现象：for idx, row in df.iterrows(): 看起来直观，但 row 是 Series 对象，每轮都新建；df.iloc[i] 在循环里反复调用也一样慢。
- 别用
iterrows()做数值计算或条件赋值 - 避免在循环里调用
df.loc[]或df.iloc[]查单行 - 如果必须逐行逻辑（比如调用外部 API），优先用
itertuples()，它返回命名元组，开销低得多
apply() 不是万能解药：什么时候该用、什么时候该换
apply() 表面看是“向量化接口”，实际默认 axis=0 是按列调用函数，axis=1 才是按行——但后者几乎和 iterrows() 一样慢，因为它内部仍是 Python 循环 + 构造 Series。
使用场景判断：
- 纯列运算（如
df['x'].apply(np.log)）→ 可以，但不如直接np.log(df['x']) - 多列参与的简单逻辑（如
df.apply(lambda r: r.a + r.b * 2, axis=1)）→ 改用df['a'] + df['b'] * 2 - 需要 if-else 分支 → 优先用
np.where()或pd.cut()，不是apply()
性能影响：apply(axis=1) 在 10 万行数据上可能比等效向量化慢 50 倍以上。
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
替代 for 循环的真正向量化写法
核心原则：把操作从“对每个元素做判断/计算”转为“对整个数组批量运算”。Pandas 和 NumPy 提供了足够多的原语。
- 条件赋值不用
for+if：用np.where(df['age'] > 30, 'adult', 'young') - 分段逻辑不用循环判断：用
pd.cut(df['score'], bins=[0,60,80,100], labels=['F','C','A']) - 字符串处理：用
df['name'].str.upper()而非apply(str.upper) - 时间运算：用
df['date'] + pd.Timedelta('7D')，不是循环加 datetime 对象
参数差异注意：np.where() 的三个参数必须长度一致或可广播；str. 方法默认跳过 NaN，而 apply() 需手动处理。
实在绕不开循环时的最小代价方案
比如要调用不能向量化的第三方函数、或逻辑依赖前一行结果（如累计状态机），这时得接受循环，但可以压低开销。
- 用
itertuples(index=False, name=None)替代iterrows()：返回 tuple，访问字段用下标（row[0]）比属性名（row.a）快 2–3 倍 - 提前提取 Series 为 NumPy 数组：
arr_a = df['a'].values; arr_b = df['b'].values，在循环里直接操作arr_a[i] - 避免在循环内做
df.loc[i, 'c'] = ...：先建空列表results = []，循环中append()，最后一次性df['c'] = results
容易被忽略的是：哪怕只循环 1 万次，如果每次调用一个含日志、数据库连接或正则编译的函数，瓶颈根本不在 Pandas —— 这时候该优化的是那个函数本身，不是循环写法。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
