Python 如何在Pandas中用df.apply（）替换df.iterrows（）？

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，这个循环非常慢（我的数据帧中有大约70000行

df

）

有没有办法加快速度？我在谷歌上搜索了一下，他们说我应该使用

df.apply（）

而不是

.iterrows（）

IIUC，使用：

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

IIUC，使用：

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

---

请共享a您可能不需要任何循环，因为看起来您只需要将序列转换为dict。请共享a您可能不需要任何循环，因为看起来您只需要将序列转换为dict。