Python pandas如何高效对DataFrame指定行范围数据做乘法运算

要实现行位置3到末尾的数据乘0.3且运算耗时最短，直接使用pandas原生iloc切片做原地向量化运算是最优选择，全程走底层C实现的向量化逻辑，无Python层循环开销、无额外数据副本拷贝，性能远高于逐行遍历、apply、链式索引等写法。

实现代码 #

import pandas as pd
# 构造示例DataFrame
dataframe = pd.DataFrame({'Energy Consumption': [20, 21, 19, 18, 25, 40, 18]})

# 耗时最短的操作：取位置3及之后的所有行、所有列，原地乘0.3
dataframe.iloc[3:, :] *= 0.3

性能说明 #

• 该写法依托pandas底层NumPy数组的向量化运算能力，运算逻辑在C层面执行，没有Python级别的循环开销
• 采用*=原地修改内存中的数据，不会生成新的DataFrame副本，省去了大内存块拷贝的耗时，数据量越大性能优势越明显
• 请勿使用iterrows逐行遍历、apply逐元素处理、带条件判断的loc筛选这类写法，这类写法的耗时通常是上述最优写法的数倍到上百倍，数据量越大差距越显著

运算结果 #

执行代码后得到的DataFrame如下：

Energy Consumption
0                20.0
1                21.0
2                19.0
3                 5.4
4                 7.5
5                12.0
6                 5.4

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