Python 在非常大的数据帧上提高迭代的性能

我有一个熊猫数据框架，它由300万行和50列组成，所有这些行和列都包含整数（正数或负数）。我想创建一个名为“feature”的新列，它从现有的50列中获取最大的负数

例如，如果给定行的50列包含值

-25、-24、-23、-1,1、-23,24,25

“feature”列应返回-1

因为我的数据帧太大，所以我尝试的解决方案花费的时间太长。例如，我曾尝试使用列表理解，但因为我使用的是ItErrorws（），所以速度太慢（itertuples（）的性能并没有显著提高）：

将numpy导入为np
作为pd进口熊猫
从TQM导入TQM
df=pd.read\u csv（\u file.csv的名称）
对于idx，tqdm中的行（df[list（np.arange（0,50,1）））。ItErrors（）：
df.loc[idx，'特征']=max（[n如果n<0，则n代表行中的n]）

---

对于如此大的数据帧，不必使用线程来计算此功能的最快方法是什么？

您可以使用

dataframe。其中
将
0
以上的所有值设置为
NaN
，并返回按行
max
：

df['feature'] = df.iloc[:,:50].where(df.iloc[:,:50].lt(0)).max(1)

我想你把你的部分搞错了，应该是
[：，：50]
真的谢谢@IanS不知道我脑子里为什么会有行，更新了！
df['feature'] = df.iloc[:,:50].where(df.iloc[:,:50].lt(0)).max(1)