とても参考になる記事を見つけたので忘れないように自分用メモ。
秒数について、「参考サイト：27秒」と書いてあるのは参考記事の作者が検証した秒数
「実施秒数：29.183616638183594」と書いてあるのは、実験PCで実施した秒数
ちなみに、記事では約300倍の高速化を実現しており、僕の場合は 29.1836sec -> 0.0758sec
で 385倍 の高速化が実現できました！！すごい！
================================================================================
import pandas as pd
import time
df = pd.DataFrame({"a":list(range(500000))})
df.shape # (500000,1)
# start 参考サイト：(a) ナイーブというか公式的（？）な実装
for idx,row in df.iterrows():
row.a # 参考サイト：27秒
# end 実施秒数：29.183616638183594
# start 参考サイト：(b)ちょっと意識高くしてみた
for idx in range(df.shape[0]):
df.a.iloc[idx] # 参考サイト：10秒
# end 実施秒数：4.690666437149048
# start 参考サイト：(b') (b)をベースにして、 __getattr__ が殆ど作用しないようにした。
df_a = df.a
for idx in range(df.shape[0]):
df_a.iloc[idx] # 参考サイト：6.4秒
# end 実施秒数：2.259279489517212
# start (b'') 参考サイト：さらに、 .iloc（これは普通の関数呼び出し）も一個にまとめてみた。
df_a_iloc = df.a.iloc
for idx in range(df.shape[0]):
df_a_iloc[idx] # 参考サイト：6.2秒
# end 実施秒数：2.0733094215393066
# start 参考サイト：(b''') (b)のdf.aの代わりに df['a'] を使う版
for idx in range(df.shape[0]):
df["a"].iloc[idx] # 参考サイト：8.9秒
# end 実施秒数：3.5483694076538086
# start 参考サイト：(c) pandasを捨て、numpyに逃げた
for idx in range(df.shape[0]):
df.a.values[idx] # 参考サイト：2.5秒
# end 実施秒数：2.577686309814453
# start 参考サイト：(c') (c)をベースにして例の __getattr__地獄を回避した
df_a = df.a
for idx in range(df.shape[0]):
df_a.values[idx] # 参考サイト：0.45秒 (448ms)
# end 実施秒数：0.32686376571655273
start=time.time()
print('start 参考サイト：(c'') (c')からさらに .values 分の __getattr__ も削減')
a = df.a.values
for idx in range(df.shape[0]):
a[idx] # 参考サイト：0.09秒( 90ms)
print('end',time.time()-start)
# end 実施秒数：0.07588791847229004
