优化数据帧上的行迭代

Question

在这里查看了几个答案之后，我想知道如何最好地处理以下问题： 作为输入，我有一个数据框，其中每一行包含有关产品的信息：其参考，费率等。

根据这些信息，我为每行构造一个新的数据框：每个新数据框（1个乘积（原始数据框中有1行）= 1个数据框）根据该行中的信息包含了新的行数：例如，如果“ TYPE”列的值为“ A”，则新数据框将有10行，每行对应于某个日期。就我而言，这些信息不仅适用于复杂的公式，而且适用于具有条件和不同情况（不仅是一系列操作）的函数。

我目前正在执行以下操作：

for index, row in original_df.iterrows():
    product_ref = row[REF]
    ...
    new_df = function(product_ref,...)
    res.append(new_df)
return pandas.concat(res)

从我收集的有关Pandas文档的信息和一些答案来看，这是在Pandas中工作的最糟糕的方法之一。

我可以将iterrows转换为itertuples，这将提高性能，因为我不会构造Series而是将其命名为Tuples。

一种不同的解决方案也将是这样应用我的功能：

res = original_df.apply(function,axis=1)

这将返回一系列数据帧（如我的function返回数据帧）。

在应用产生复杂结果（数据框对象）的函数和遍历命名元组以构造数据框并将其存储在列表中之间，首选的方法（如执行最佳方法）是什么？ / strong>

我将同时实现这两个选项并尝试自己看看，但是如果有人对改进此伪代码有任何信息或建议，请与我们分享。