如果您只是想更快地执行此操作，而不是专门使用cython，那么我将以纯numpy的方式执行（大约快50倍）。
def numpy_foo(arr): vals = {i: (arr[i, :] + arr[i:, :]).sum(axis=1).tolist() for i in range(arr.shape[0])} return vals%timeit foo(df)100 loops, best of 3: 7.2 ms per loop%timeit numpy_foo(df.values)10000 loops, best of 3: 144 µs per loopfoo(df) == numpy_foo(df.values)Out[586]: True一般而言，与numpy相比，大熊猫为您提供了许多便利，但存在间接费用。因此，在熊猫没有真正添加任何东西的情况下，通常可以通过以numpy的方式来加快速度。再举一个例子，请看我问的这个问题，它显示出大致可比的速度差异（大约23倍）。
