Python 遍历数据帧的最快方法？

如何运行数据帧并仅返回满足特定条件的行？必须在前面的行和列上测试此条件。例如：

          #1    #2    #3    #4
1/1/1999   4     2     4     5
1/2/1999   5     2     3     3
1/3/1999   5     2     3     8
1/4/1999   6     4     2     6
1/5/1999   8     3     4     7
1/6/1999   3     2     3     8
1/7/1999   1     3     4     1

for row in dataframe:
    if [row-1, column 0] + [row-2, column 3] >= 6:
        append row to a list

我想为每一行测试一些条件，如果所有条件都通过了，我想将该行附加到列表中。例如：

          #1    #2    #3    #4
1/1/1999   4     2     4     5
1/2/1999   5     2     3     3
1/3/1999   5     2     3     8
1/4/1999   6     4     2     6
1/5/1999   8     3     4     7
1/6/1999   3     2     3     8
1/7/1999   1     3     4     1

for row in dataframe:
    if [row-1, column 0] + [row-2, column 3] >= 6:
        append row to a list

我最多可以有3个条件，这些条件必须为true才能返回行。路途 我想做这件事的方法是列出所有真实的观察结果 然后为所有三个列表中出现的所有行创建一个单独的列表

我的两个问题如下：

基于前面的行，获取满足特定条件的所有行的最快方法是什么？在5000行的数据帧中循环似乎太长了。特别是如果必须测试潜在的3种条件

---

获取满足所有3个条件的行列表的最佳方法是什么？

选择行的最快方法是不遍历数据帧中的行。相反，为要选择的行创建一个带真值的掩码（布尔数组），然后调用

df[mask]

选择它们：

mask = (df['column 0'].shift(1) + df['column 3'].shift(2) >= 6)
newdf = df[mask]

---

要将多个条件与逻辑and组合，请使用

&

：

mask = ((...) & (...))

对于逻辑or，请使用

|

：

mask = ((...) | (...))

---

比如说,

In [75]: df = pd.DataFrame({'A':range(5), 'B':range(10,20,2)})

In [76]: df
Out[76]: 
   A   B
0  0  10
1  1  12
2  2  14
3  3  16
4  4  18

In [77]: mask = (df['A'].shift(1) + df['B'].shift(2) > 12)

In [78]: mask
Out[78]: 
0    False
1    False
2    False
3     True
4     True
dtype: bool

In [79]: df[mask]
Out[79]: 
   A   B
3  3  16
4  4  18

---

非常感谢。正是我要找的@unutbu为什么在这里使用.shift（1）和.shift（2）？@VatsalAggarwal:OP写了

if[row-1，column 0]+[row-2，column 3]>=6

，其中

row-1

表示前一行，

row-2

表示前一行。翻译成熊猫语，这是

df['A'].shift（1）

和

df['B'].shift（2）

@unutbu谢谢！为了这个解释