python - 如何在 Pandas 中用 df.apply() 替换 df.iterrows()？

Question

我有以下循环：

dict1 = {}
dict2 = {}
for (i, row) in df[['col1', 'col2', 'col3']].iterrows():
            dict1[row['col1']] = row['col2']
            dict2[row['col1']] = row['col3']

据我所知，这个循环真的很慢（我的数据框中大约有 70'000 行df）。

有什么办法可以加快速度吗？我用谷歌搜索了一下，他们说我应该使用df.apply()而不是.iterrows().

标签： pythonpandas

Answer 1

IIUC，使用：

m=df[['col1', 'col2', 'col3']]
dict1=m.set_index('col1')['col2'].to_dict()
dict2=m.set_index('col1')['col3'].to_dict()