Pandas DataFrame中循环内IF语句的性能优化方案咨询

完全不用纠结for循环！Pandas最擅长的就是向量化操作，能把你这段代码的速度提升几个量级，尤其是数据量大的时候。你的需求本质是根据qt_CNAE>20的条件批量赋值，用布尔索引+loc就能完美解决，完全不需要逐行遍历。

替代实现代码 #

首先，如果你还没初始化CNAEuse和CNAEuse_Cres这两列，先创建它们（可以设置默认值，比如None或者适合你业务的默认值）：

# 初始化目标列（如果尚未创建）
data['CNAEuse'] = None
data['CNAEuse_Cres'] = None

然后用布尔掩码+loc进行批量赋值：

# 创建条件掩码：筛选qt_CNAE大于20的行
mask = data['qt_CNAE'] > 20

# 批量赋值：仅对满足条件的行更新指定列
data.loc[mask, 'CNAEuse'] = data.loc[mask, 'CNAE']
data.loc[mask, 'CNAEuse_Cres'] = data.loc[mask, 'Crescimento_CNAE']

为什么这个方法更快？ #

Pandas的loc和布尔索引是基于NumPy的底层C实现，属于向量化操作——它会一次性处理所有满足条件的行，而不是像Python for循环那样逐行迭代（逐行迭代会带来大量的Python层面的开销）。当你的DataFrame有几万甚至几十万行时，这种速度差异会非常明显。

额外提示 #

如果需要对不满足条件的行设置默认值，也可以用同样的方式处理：

# 对不满足条件的行设置默认值（示例）
data.loc[~mask, 'CNAEuse'] = '默认值'
data.loc[~mask, 'CNAEuse_Cres'] = 0

内容的提问来源于stack exchange，提问作者aabujamra