如何高效遍历Pandas DataFrame？Python新手求优化方案

嘿，作为Python新手能自己动手实现需求已经超棒了！不过你当前用iterrows()嵌套iteritems()的写法，在处理中等或较大规模的DataFrame时效率会比较拉胯——因为这两个方法本质上是在Python层面逐行、逐元素遍历，每次迭代都有不少额外开销，嵌套循环更是让效率雪上加霜。

最优方案：用Pandas向量化操作替代循环 #

Pandas的核心优势就是向量化计算，底层是用C实现的，速度比Python循环快好几个量级。你的需求是把每行的每个元素除以该行的总和，完全可以用一行向量化代码搞定：

import pandas as pd

# 直接生成结果，无需手动循环
weights = histCaps.div(histCaps.sum(axis=1), axis=0)

代码解释：

• histCaps.sum(axis=1)：计算DataFrame每行的总和（axis=1代表按行求和）
• div()方法：指定axis=0，让每行的每个元素都除以对应的行总和，自动完成所有元素的计算，全程没有Python级别的循环

如果你确实需要遍历（不推荐此场景） #

如果某些特殊场景下必须遍历，也别用iterrows()，换成itertuples()会更高效——它返回的是命名元组，比iterrows()返回的Series对象开销小很多：

weights = histCaps.copy()
# 先提前计算好所有行的总和，避免循环里重复计算浪费资源
row_sums = histCaps.sum(axis=1)

for row in histCaps.itertuples():
    idx = row.Index
    for col in histCaps.columns:
        # 用at[]访问元素比loc[]更高效，适合单个元素赋值
        weights.at[idx, col] = getattr(row, col) / row_sums[idx]

但还是要再强调：能不用循环就不用循环，向量化操作永远是Pandas处理数据的最优选择！

内容的提问来源于stack exchange，提问作者Vasiliy