使用df.itertuples()循环调用apply执行getstopscoordinates函数过慢问题排查

核心问题 #

• 重复执行全量计算：你写的循环里，每遍历一行（哪怕只取前2行测试），都会对整个df_RoadSegments执行一次apply，等于把全量计算重复做了2次，完全是无效的重复操作。
• apply效率极低：apply本质是逐行迭代，和手动循环没区别，远不如pandas的向量化操作高效。
• 函数内的冗余查找：每次调用getstopscoordinates都要在df_stops里做一次布尔索引查找，没有利用索引来加速匹配。

最优解决方案 #

直接用merge做关联，全程用pandas向量化操作，速度会提升几个数量级：

步骤1：预处理坐标列 #

先给df_Stops一次性生成坐标字符串列，避免重复计算：

df_Stops["coordinates"] = df_Stops["stop_lat"].astype(str) + "," + df_Stops["stop_lon"].astype(str)

步骤2：关联数据生成目标列 #

通过merge把两个表关联起来，直接提取对应坐标：

# 关联RoadSegments和Stops，匹配Origin对应的坐标
df_RoadSegments = df_RoadSegments.merge(
    df_Stops[["stop_id", "coordinates"]],
    left_on="RoadSegmentOrigin",
    right_on="stop_id",
    how="left"
).rename(columns={"coordinates": "OriginCoordinates"})

# 不需要新增的stop_id列可以删掉
df_RoadSegments.drop("stop_id", axis=1, inplace=True)

原代码错误详解 #

你原来的循环代码：

for row in df_RoadSegments.head(2).itertuples():
    df_RoadSegments["OriginCoordinates"] = df_RoadSegments.apply(lambda x: getstopscoordinates(df_Stops, x["RoadSegmentOrigin"]), axis=1)

哪怕只循环2次，每次都会对**整个df_RoadSegments**执行一遍apply，等于做了2次全量计算。而且apply逐行调用函数，每次都要在df_Stops里做查找，完全浪费了pandas的向量化优势，这就是为什么哪怕测试2行也慢的原因。

额外提速技巧 #

如果df_Stops数据量很大，给stop_id设置索引可以进一步加速匹配：

df_Stops.set_index("stop_id", inplace=True)

内容的提问来源于stack exchange，提问作者peetman