遍历Pandas数据框中的行可能会花费很长的时间，特别是当数据框很大时。这是因为Pandas中的行遍历是一种较慢的操作。

为了解决这个问题，可以考虑使用Pandas内置的向量化操作来替代行遍历。向量化操作可以使代码更高效，并且更适合大型数据集。

下面是一个例子，展示了如何使用向量化操作来解决这个问题：

import pandas as pd

# 创建一个示例数据框
data = {'col1': [1, 2, 3, 4, 5],
        'col2': [6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

# 使用向量化操作计算新的列
df['new_col'] = df['col1'] + df['col2']

# 打印结果
print(df)

在这个例子中，我们创建了一个包含两列的数据框。然后我们使用向量化操作对这两列进行相加，将结果存储在一个新的列中。这个操作不需要遍历每一行，而是直接对整个列进行操作，因此更高效。

当然，并不是所有的操作都可以用向量化操作来实现。但是在大多数情况下，使用向量化操作可以提高代码的效率。

如果确实需要遍历行，可以考虑使用iterrows()方法。但是需要注意，这种方法的效率相对较低，特别是对于大型数据集。以下是一个使用iterrows()方法遍历行的示例：

import pandas as pd

# 创建一个示例数据框
data = {'col1': [1, 2, 3, 4, 5],
        'col2': [6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

# 遍历行并打印每一行的值
for index, row in df.iterrows():
    print(row['col1'], row['col2'])

在这个例子中，我们使用iterrows()方法遍历数据框的每一行，并打印每一行的值。但是需要注意，iterrows()方法的效率相对较低，不适用于大型数据集。如果可能的话，还是建议尽量使用向量化操作来替代行遍历。