如何在Pandas中不使用iterrows()实现连续4行求和？

你想要的效果可以通过Pandas的rolling窗口结合反转操作高效实现，完全不需要iterrows()这类逐行循环，代码简洁且性能更优：

import pandas as pd
mpg_df = pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/mpg.csv')

# 生成special_sum列：当前行及后续3行的求和
mpg_df['special_sum'] = mpg_df['mpg'][::-1].rolling(window=4, min_periods=1).sum()[::-1]

原理说明 #

• 先通过[::-1]反转mpg列的顺序，这样原需求里的「当前行+后续3行」就转换成了反转后的「当前行+前面3行」，刚好匹配rolling窗口默认的向前求和逻辑。
• rolling(window=4, min_periods=1)：窗口大小设为4（对应原需求的1+3行），min_periods=1确保当剩余行数不足4行时（比如最后3行），仍能计算现有行的总和，和你原代码里的边界判断逻辑完全一致。
• 最后再次反转结果，就得到了和原代码一模一样的special_sum列。

为什么这是更优解 #

iterrows()是Python层面的逐行循环，每一次迭代都要做切片求和，效率极低（尤其是大数据集）。而上面的方法是Pandas向量化操作，内部用C语言实现计算，性能提升非常明显，这也是Pandas最佳实践里推荐的方式。

其他可选（但不推荐）的写法 #

如果你不想用反转+rolling，也可以通过多次shift实现，但代码会更繁琐，且窗口变大时扩展性差：

mpg_df['special_sum'] = (
    mpg_df['mpg']
    + mpg_df['mpg'].shift(-1).fillna(0)
    + mpg_df['mpg'].shift(-2).fillna(0)
    + mpg_df['mpg'].shift(-3).fillna(0)
)

至于你尝试的apply()+lambda，本质上还是行级循环，效率和iterrows()差不多，甚至更慢，所以不建议用。

内容的提问来源于stack exchange，提问作者user3347814