Python 3.x 如何使用python在pandas数据帧中有效地迭代行

我有一个数据框，看起来像：

A         B       C
13.06   12.95   -0.11
92.56   104.63  12.07
116.49  219.27  102.78
272.11  487.26  215.15
300.11  780.75  480.64

大约有一百万条记录

我想创建一列D，计算如下：

列

D

的第一个值将为0，然后：

cold3

=

=（D2+1）*C3/B3

cold4

=

=（D3+1）*C4/B4

D列当前值取决于以前的值

结果如下：

D
0
0.115358884
0.52281017
0.672397915
1.02955022

---

我可以使用

for loop和loc解决这个问题，但这需要花费很多时间。我可以用更有效的pythonic方法解决它吗？
递归计算不可矢量化，因为使用了改进性能：

给出错误：TypingError:在Nopyton模式管道（步骤：Nopyton前端）非精确类型数组（pyobject，1d，C）[1]期间：在（3）文件“”中键入参数，第3行：def calc（a，b，C）：d=np.empty（a.shape）^@MAC-是由数字？df={'HW'：['13.06'，'92.56'，'116.49'，'272 11'，'300.11'，'IBC]填充的列：[12.95104.63219.27487.26780.75]，'jik'：[-0.1112.07102.78215.15480.64]}df=pd.DataFrame（df）@MAC-确切地说，问题是
HW
由字符串填充，而不是数字。需要将其转换为数字，请检查
from numba import jit

@jit(nopython=True)
def f(a, b, c):
    d = np.empty(a.shape)
    d[0] = 0
    for i in range(1, a.shape[0]):
        d[i] = (d[i-1] + 1) * c[i] / b[i]
    return d

df['D'] = f(df['A'].to_numpy(), df['B'].to_numpy(), df['C'].to_numpy())
print (df)
        A       B       C         D
0   13.06   12.95   -0.11  0.000000
1   92.56  104.63   12.07  0.115359
2  116.49  219.27  102.78  0.522810
3  272.11  487.26  215.15  0.672398
4  300.11  780.75  480.64  1.029550