我有一个混合类型数据的数据框，有几百万行，每行有50列。在我的数据集预处理期间，我想基于从4列构建的多索引来访问特定行。多索引的列是字符串和日期时间的混合。我想要访问行数百万次，有时读取val，有时要编辑该行的一些值，所以它需要很快。我现在不想在数据库中预先处理它，我只想存储和读取csv中的数据并在我的本地机器上处理它，然后用pandas做一些分析。
我尝试过设置多索引并使用
df.loc[(multi-index),:]
但检索行数据的速度很慢。因此，为了使它更快，我将df转换为dict，其中多索引作为键，行作为值的列表。查找和编辑现在对我有好处，从dataframe =＆gt;开始的时间成本dict =＆gt;数据帧很小，但是，我想知道我是否可以更快地完成它。
问题是： 内置
pd.DataFrame.to_dict(df,orient='index')
几乎将数据转换成我想要的数据，但它似乎很慢，因为它将数据放入行dicts的字典中（每行数据本身都是一个字母，其中键是列名），我想要一个行列表的dict（只是每行值的列表）。除了做自己的事情之外，还有办法做到这一点，无论如何这仍然很快： 即。
cols = list(df_test.columns)
for row in df_test.itertuples():
dict_test[(row[16],row[18],row[6],row[10])] = list(row[1:])
注意：回到另一个方向，我可以使用：
df_test = pd.DataFrame.from_dict(dict_test,orient='index')
df_test.columns = cols