对pandas DataFrame数据进行相同类型的计算时，对比使用向量化方式与for循环方式的时间开销差异。

TLDR

浮点数计算速度：apply比for循环快4.8倍，向量化比for循环快6900倍。

字符串计算速度：apply比for循环快5.0倍，向量化比for循环快580倍。

因此建议尽量避免使用for循环的方式处理dataframe数据。

一、测试环境：

Apple M2，16GB，SSD

python 3.11.7

pandas 2.1.4

二、求和两列浮点数

用不同的内存对象计算两列之和（new_col=A+B），比较所消耗的时间，列A和列B都是1~100之间的浮点数。

向量化速度提升倍数：

apply比for循环提升4.8倍左右，向量化比for循环提升3000~9000倍（平均6900倍）。

三、字符串连接

用不同的内存对象将两列字符串连接，比较所消耗的时间，列A和列B都是8字节的字符串。

向量化速度提升倍数：

apply比for循环提升5.0倍左右，向量化比for循环提升430~650倍（平均580倍）。