如何循环遍历DataFrame累加列值到和为1并输出对应行与迭代次数

• 累加逻辑错误：迭代时你累加的是整个Di列的总和，而非当前遍历行的单个Di值
• 循环逻辑错误：仅设置了1次遍历DataFrame的逻辑，跑完32768行就终止，而整个Di列的总和仅为2.1e-06，单次遍历的累加和远达不到1的目标，需要循环重复遍历DataFrame。
• iterrows迭代性能极低，百万级迭代场景下运行效率会非常差，不建议使用。

基础实现 #

提前将Di列转为numpy数组提升访问速度，设置外层循环重复遍历DataFrame，直到累加和达标：

import pandas as pd

# 预取Di列数组与DF行数，减少重复访问开销
di_list = df['Di'].to_numpy()
df_len = len(df)
current_sum = 0.0
total_iter = 0
result_row = None
threshold = 1 # 可根据需求调整精度，比如0.9999999

while current_sum < threshold:
    for idx in range(df_len):
        current_sum += di_list[idx]
        total_iter += 1
        if current_sum >= threshold:
            result_row = df.iloc[idx]
            break
    if result_row is not None:
        break

# 输出结果
print(f"总迭代次数: {total_iter}")
print(f"最终累加和: {current_sum}")
print("终止行的全部数据:")
print(result_row)

性能优化版 #

可以先计算可完整遍历DF的轮次，跳过大量无意义的逐行判断，性能提升可达百倍以上：

di_total = df['Di'].sum()
# 计算不需要逐行判断的完整遍历轮次
full_rounds = int(threshold // di_total)
current_sum = full_rounds * di_total
total_iter = full_rounds * df_len

# 最后仅需要在单次遍历中找到凑够剩余差值的行
remaining = threshold - current_sum
for idx in range(df_len):
    current_sum += di_list[idx]
    total_iter += 1
    if current_sum >= threshold:
        result_row = df.iloc[idx]
        break

• 浮点数累加存在精度误差，可根据需求调整阈值的容差范围，比如将判断条件改为abs(current_sum - 1) < 1e-8即可视为达标
• 如果需要累加和尽可能接近1而非超过1，可以将判断条件改为current_sum + di_list[idx] >= threshold，取累加前的数值作为最终结果即可

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