如何以最快方式遍历DataFrame直至首个A列值大于6并选取前序行

首先先把你的原始数据转换成可复现的DataFrame代码，方便测试：

import pandas as pd

df = pd.DataFrame({
    'A': [0.00, 0.75, 1.10, 3.52, 5.59, 6.52, 7.45, 5.53, 4.53, 3.61, 1.55],
    'B': [514.51, 514.51, 514.42, 514.41, 514.43, 514.43, 514.42, 514.42, 514.36, 514.38, 514.36]
})

你的需求是：选取所有行，直到遇到第一个A列值大于6的行（不包含该行）。要实现这个需求，矢量化操作的速度绝对是最快的——毕竟pandas的核心优势就是基于numpy的矢量化运算，完全避开Python层面的循环，效率拉满。

最快实现代码 #

这里有两种简洁又高效的写法：

1. 直接筛选出符合条件的行，取第一个索引再切片：

# 找到第一个A>6的行索引
first_over_6_idx = df[df['A'] > 6].index[0]
# 截取该索引之前的所有行
result = df.loc[:first_over_6_idx - 1]

2. 用idxmax更简洁地定位第一个符合条件的位置：
   因为布尔数组里True等价于1，False等价于0，idxmax会直接返回第一个True的位置：

first_over_6_idx = (df['A'] > 6).idxmax()
result = df.loc[:first_over_6_idx - 1]

运行后得到的结果就是你想要的：

A       B
0  0.00  514.51
1  0.75  514.51
2  1.10  514.42
3  3.52  514.41
4  5.59  514.43

为啥迭代方式慢？ #

如果你用iterrows()或者apply()这类迭代方式，本质是在Python层面逐行处理，对于大数据集来说速度会慢很多——毕竟Python循环的效率远低于numpy的底层C实现。另外你尝试的df.apply(first)代码还存在逻辑问题（cond未定义、判断阈值写成了45而不是6），而且这种写法完全没用到pandas的优势，不推荐。

总结一下：别用迭代，直接用矢量化的索引定位+切片，这是实现你需求的最快方式。

内容的提问来源于stack exchange，提问作者Tie_24