如何在熊猫中将df.iterrows（）替换为df.apply（）？

Question

我有以下循环：

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

据我所知，这个循环真的很慢（我在数据框df中大约有7万行）。

有什么办法可以加快速度吗？我在Google上搜索了一下，他们说我应该使用df.apply()而不是.iterrows()。

Answer 1

IIUC，使用：

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