如何在熊貓中將df.iterrows（）替換為df.apply（）？

Question

我有以下循環：

dict1 = {}
dict2 = {}
for (i, row) in df[['col1', 'col2', 'col3']].iterrows():
            dict1[row['col1']] = row['col2']
            dict2[row['col1']] = row['col3']

據我所知，這個循環真的很慢（我在數據框df有大約70'000行）。

有什么辦法可以加快速度嗎？ 我用df.apply()搜索了一下，他們說我應該使用df.apply()而不是.iterrows() 。

Answer 1

IIUC，用途：

m=df[['col1', 'col2', 'col3']]
dict1=m.set_index('col1')['col2'].to_dict()
dict2=m.set_index('col1')['col3'].to_dict()