用Python快速存储循环结果

我有一个在数据帧的每一行上调用的函数，我想存储每个函数调用（每次迭代）的结果。下面是我试图做的一个例子

data =[{'a':1,'b':2,'c':3},{'a':1,'b':2,'c':3}, {'a':1,'b':2,'c':3}]
InputData = pd.DataFrame(data)

ResultData = pd.DataFrame(columns = ['a', 'b', 'c'])

def SomeFunction(row):
    #Function code goes here (not important to this question)#
    ##########################################################
    ##########################################################
    return Temp 


for index, row in InputData.iterrows():
    # Temp will equal the result of the function (a DataFrame with 3 columns and 1 Row)
    Temp = Somefunction(row)

    # If ResultData is not empty append Temp to ResultData
    if len(ResultData) != 0:
        ResultData = ResultData.append(Temp, ignore_index = True)
    # If ResultData is empty Result data = Temp
    else:
        ResultData = Temp

我希望我的例子很容易理解

在我的真实示例中，输入数据中有大约一百万行，这个过程非常慢，我认为是数据帧的附加使得它非常慢。我是否可以使用一种不同的数据结构来存储“Temp”数据框的三个值，这些值可以附加在末尾以形成“ResultData”数据框

---

任何帮助都将不胜感激

也许列表可以解决您的问题：

Result_list = []

for ... :
  ...
  Result_list.append([data1, data2, data3]);

要查看数据，请执行以下操作：

for Current_data in Result_list:
   data1 = Current_data[0]
   data2 = Current_data[1]
   data3 = Current_data[2]

---

希望有帮助

也许列表可以解决您的问题：

Result_list = []

for ... :
  ...
  Result_list.append([data1, data2, data3]);

要查看数据，请执行以下操作：

for Current_data in Result_list:
   data1 = Current_data[0]
   data2 = Current_data[1]
   data3 = Current_data[2]

---

希望有帮助

最好避免在pandas中出现任何显式循环。使用apply仍然有点慢，但可能比循环快

df["newcol"] = df.apply(function, axis=1)

---

最好避免在pandas中出现任何显式循环。使用apply仍然有点慢，但可能比循环快

df["newcol"] = df.apply(function, axis=1)

---

你的功能对这个问题非常重要。这实际上是唯一重要的事情。

df.iterrows（）

返回一个有点慢的序列，你真的需要

SomeFunction

中的序列吗？@steven-我需要的是每行的每一个值。i、 在这个例子中，我需要1，2，3。我想它不需要是一个系列，它可以是一个列表或其他一些数据结构。然后使用

df.itertuples（）

并更改

SomeFunction

。使用一个列表来存储你的结果，正如下面匿名者所说，你可以有效地将一个函数应用于数据帧或数据帧片段，并得到一个新的数据帧作为结果，不幸的是，我没有时间发布一个正确的答案。你的函数所做的对这个问题非常重要。这实际上是唯一重要的事情。

df.iterrows（）

返回一个有点慢的序列，你真的需要

SomeFunction

中的序列吗？@steven-我需要的是每行的每一个值。i、 在这个例子中，我需要1，2，3。我想它不需要是一个系列，它可以是一个列表或其他一些数据结构。然后使用

df.itertuples（）

并更改

SomeFunction

。使用一个列表来存储你的结果，正如下面匿名者所说，你可以有效地将一个函数应用到数据帧或数据帧片段，并得到一个新的数据帧作为结果，不幸的是，我没有时间发布正确的答案。