不要再在pandas循环中使用 loc/iloc 了！

前两天晚上快十一点，我在公司楼下奶茶店蹲着改报表，电脑风扇呼呼响，SQL 跑得飞快，结果 Python 那段死活跑不完。 一看代码，熟悉的味道来了：

for i in range(len(df)):
if df.loc[i, 'age'] > 18:
        df.loc[i, 'is_adult'] = 1
else:
        df.loc[i, 'is_adult'] = 0

是不是很眼熟？很多人第一次用 pandas 基本都这么写，包括我。然后表一大，直接卡到你怀疑人生。

为啥循环里用 loc/iloc 这么慢？

你先有个直觉就行：df.loc[i, 'col'] 不是简单的“取一个数组元素”，它会经历一堆逻辑： 索引对齐、类型检查、复制、对齐返回……你在循环里每转一圈，让 pandas 走一遍这一整套流程，相当于让快递小哥一次次跑整条街，只为了给你送一张纸。

10 条数据没感觉，10 万、100 万就开始原地爆炸了。

那正确姿势是啥：能不循环就不循环

上面那个按年龄打标签，用 pandas 正常写法其实就三行：

import numpy as np
# 新列先给个默认值
df['is_adult'] = 0
# 条件索引 + 一次性赋值
df.loc[df['age'] >= 18, 'is_adult'] = 1

或者更干脆一点：

df['is_adult'] = np.where(df['age'] >= 18, 1, 0)

这里有几个小点你记一下（真的实战里超常用）：

• 条件判断，直接拿整列比较：df['age'] >= 18 得到的是一个布尔 Series
• 用这个布尔条件去 loc 一次性选中所有符合条件的行
• 统一赋值，而不是一行一行改

这就是所谓“向量化”操作：一口气对整列、整块数据下手，不要在人为地去 for。

再举个稍微复杂点的，多个字段一起算

比如我们电商那边经常要算“含税金额 + 是否大额订单”这种：

天真的写法可能是：

for i in range(len(df)):
    price = df.loc[i, 'price']
    tax = df.loc[i, 'tax_rate']
    total = price * (1 + tax)
    df.loc[i, 'total_price'] = total
    df.loc[i, 'is_big'] = 1if total > 1000else0

换成 pandas 思路，其实就几行：

df['total_price'] = df['price'] * (1 + df['tax_rate'])
df['is_big'] = (df['total_price'] > 1000).astype(int)

注意一个小技巧： 布尔值转 0/1，直接 .astype(int)，不用再写什么三元表达式了。

那有没有“被迫”要循环的场景？

有，业务总能整出花活来，比如：

• 每一行要调一个外部接口
• 每一行要跑一个特别复杂的规则树
• 某些操作真的是“上一个结果影响下一个”

这种时候你真要循环，行，那就尽量减少伤害，别在循环里疯狂 loc/iloc 了。

至少改成这样：

for i, row in df.iterrows():
# row 是一行的数据
    score = complex_func(row['a'], row['b'])
    df.at[i, 'score'] = score

或者用 itertuples 更快一点：

for row in df.itertuples():
    score = complex_func(row.a, row.b)
    df.at[row.Index, 'score'] = score

这里有两个点：

• itertuples() 比 iterrows() 快一点，因为返回的是类似命名元组的东西
• 写回去用 .at / .iat，比 loc/iloc 要轻量一些

但说实话，只要你看到自己写了 for i in range(len(df)):，基本就该心里一紧：是不是写得有点问题。

很多人忽略的“大杀器”：groupby 和 transform

这个是真实项目里救过命的。

举个：想给每个用户算“该用户的订单金额占他所有订单总额的比例”。

很多人第一反应是双层循环、或者外面先 group 再里面一堆 loc。其实可以这么玩：

user_sum = df.groupby('user_id')['amount'].transform('sum')
df['ratio'] = df['amount'] / user_sum

transform('sum') 的意思是： 对每个 user_id 求和，然后把这个“和”再 广播回原来的每一行，索引对齐帮你搞定了。你就直接用来算比例就行。

完全没有显式循环，也没有在循环里瞎 loc，性能直接上一个档次。

为什么我这么执着让你改掉这个习惯？

因为我真被它坑过太多次了。 有一次线上的一个报告脚本，逻辑非常简单，就是各种 if-else 打标记，但数据量有个几百万行，结果一跑就是十几分钟，运维以为机器又要撑不住了。

最后一看，核心逻辑居然就是：

for i in range(len(df)):
if df.loc[i, 'xxx'] == 'A':
        df.loc[i, 'tag'] = '...'

改完写法，换成纯向量化 + 一两个 groupby，从 10 分钟掉到十几秒，业务那边以为我换了服务器，其实就动了几行代码。

你可以先从一个小习惯开始改： 只要你的 pandas 代码里出现了这种模式——

for ...
    df.loc[...]

就给自己敲个警钟：能不能把这段挪成“对一整列/一整块的数据操作”。 真不行，再考虑循环 + itertuples + .at 这种“减伤版”。

行了，我先去倒杯水，你可以翻翻自己项目里老代码，看看哪段循环里还在用 loc/iloc，改掉一个，性能就赚一笔。