遍历pandas Series元素的最佳方法是什么？各常用方式有何区别

各遍历方式核心差异 #

• 方式1：for el in arr 直接迭代
  Series默认的迭代逻辑，直接返回对应位置的Python原生标量值，内部调用__iter__方法实现，不需要额外处理索引，性能中等，会丢失pandas特有的数据类型信息。
• 方式2：for _, el in arr.iteritems() 迭代
  该方法会成对返回（索引, 元素值）元组，示例中用_忽略了索引才只获取元素值。如果场景需要同时使用索引和对应元素，这是pandas官方推荐的实现方式，比单独获取索引再查询值的效率更高。pandas 2.0+版本中iteritems()和items()方法完全等价，可以互相替换。
• 方式3：for el in arr.array 迭代
  arr.array返回pandas原生扩展数组（ExtensionArray），完整保留pandas的所有类型特性（比如可空类型、分类类型、字符串类型等特殊dtype），迭代返回的是pandas标量类型，不会做隐式类型转换，适合需要保留pandas数据特性的场景。
• 方式4：for el in arr.values 迭代
  values属性返回numpy数组，若Series存储的是numpy兼容的基础数据类型，会直接返回对应类型的numpy数组，是所有遍历方式中性能最高的。但如果Series用了pandas特有扩展类型，values可能会做隐式类型转换（比如可空Int64类型转成object类型数组），存在类型污染的风险，官方现在更推荐用arr.to_numpy()替代values，类型转换逻辑更可控。
• 方式5：下标+iloc迭代
  这是所有方式中最不推荐的实现，每次循环都要调用一次iloc做位置查询，iloc的每次调用都有额外的查找开销，数据量较大时性能会比其他方式低数倍到数十倍，代码可读性也差。

实际应用最优选择 #

按场景优先级选择即可：

1. 仅需遍历元素值，不需要保留pandas特殊类型：优先选arr.values或更规范的arr.to_numpy()，性能最高，内存开销最小。
2. 需要同时获取索引和对应元素值：直接用iteritems()/items()，是官方原生支持的索引值成对返回方案，效率最优。
3. 需要保留pandas扩展类型特性，避免隐式类型转换：选择arr.array遍历，完全保留pandas原生数据属性。
4. 任何场景下都不推荐使用下标+iloc的遍历方式。

内容的提问来源于stack exchange，提问作者d.b