可以将参数index_col设置成0或者None

对于这么大的数据量进行遍历操作，使用for循环的 效率是比较低的，可以尝试使用apply 或者map进行操作：

（1）apply：

· 既可以用在DataFrame，也可以用到单独的Series中

· 运用到DataFrame时，是用到了整行或者整列上，不是逐一运用到每个元素上

· 运用到Series时，作用到每个元素上

· 第一个参数只接收python原生函数或者numpy中的函数

（2）map

· 只能运用到Series的每个元素上

· 参数可以是函数也可以是字典，还可以是序列

（3）applymap

· 只能应用在DataFrame中，并且是作用在DataFrame的每个元素中

· 参数只接收可调用的函数

（1）可以先读取数据，然后使用dataframe的转置功能df.T进行行列的互换

（2）也可以使用数据透视表pivot_table，pivot_table() 的特点就是默认显示指定索引列和所有数值列。索引显示的是唯一值，所以会把对应的数值处理成均值。其他str类型的列都会自动忽略。当然，使用pivot_table() 时，可以通过添加参数进行计数或求和

原因是因为Python底层由C来写，调用底层C语言在编译时无法解析这个参数的名称，而目前Python的底层设计无法解决这个问题，所以直接传入参数即可，不要加入default=，这里语法没问题。

（1）错误写法：

d = {

'key': 2,

}

print(d.get("key", default=0))

（2）正确写法：

d = {

'key': 2,

}

print(d.get("key", 0))