如何通过特定的行索引和列名（索引）有效地从Pandas中获取价值

Question

如何通过特定的行索引和列名（索引）有效地从Pandas.DataFrame获取值？

关于数据

一个Pandas DataFrame对象，DataFrame大约有1300行，12列（例如：A，B，C，D ......），

项目描述

#### df stands for above data object(Pandas.DataFrame)
def task(df):
    t1 = time.time()
    # param contains values use to compare with df value.
    param = init_param()     
    #iter all rows 
    for x in range(len(df["A"])):
        # statistical(df, param) get df value and do some statistical work
        # eg:
        # df["A"][x] > df["A"][x-1]
        # df["B"][x] > param["f3"][x]
        # df['A'][x] > param["f1"][x] and df['B'][x- 1] < param['f2'][
        #  index - 1]
        # ...

        flag = statistical(x, df, param) 
        print(flag)

    print(time.time() - t1)

上面的task（）函数将在一个大循环函数下执行。 EG：

 for x in range(10000):
     task()

我的问题？

我希望任务运行更有效率，我已经完成了一些测试用例，下面是最终结果列表。

1. df [＆＃34; A＆＃34;] [x]似乎效率不高。
2. 我尝试将df转换为dict（df.to_dict（））并执行相同的任务，看起来好多了，为什么？
3. 还有其他想法吗？溶液