优化嵌套 for 循环的最佳方法答案

【问题标题】：Best way to optimize nested for loop优化嵌套 for 循环的最佳方法
【发布时间】：2022-01-26 13:40:53
【问题描述】：

我有一些嵌套的 for 循环可以工作，并且会附加一个分数列表。目前运行速度非常慢。有没有办法轻松优化它并让它运行得更快？

scores = []
for day in range(0,len(date)):
x = []
for entry in range(0,len(df_new)):
    if df_new['timestamp(America/New_York)'].dt.strftime('%Y-%m-%d').iloc[entry] == date[day]:
        for times in range(0,len(time)):
            if df_new['timestamp(America/New_York)'].dt.strftime('%H:%M:%S').iloc[entry] == time[times]:
                x.append(df_new['score'].iloc[entry])
scores.append(x)

!Here is a picture of the data frame as well. ]1

【问题讨论】：

什么是time，也分享一个示例数据框作为代码
将数据帧发布为代码而不是图片
数据框正在通过 Excel 工作表导入。我使用'pd.read excel'来导入。

标签： python pandas matplotlib jupyter-notebook jupyter

【解决方案1】：

您当前在嵌套循环中多次调用方法df_new['timestamp(America/New_York)'].dt.strftime('%Y-%m-%d')，这意味着您将不得不多次获取该数据。

您可以做的是在循环之前将来自df_new['timestamp(America/New_York)'].dt.strftime('%Y-%m-%d') 的值存储在一个变量中，然后只调用该变量，因为它现在包含您需要的数据。

类似的东西

data_frame = df_new['timestamp(America/New_York)'].dt.strftime('%Y-%m-%d')

for entry in range(0,len(df_new)):
    if data_frame.iloc[entry] == date[day]:
        for times in range(0,len(time)):

etc. etc.

不要认为它会改善太多，但至少有点！

【讨论】：

【解决方案2】：

不需要循环，您可以为每个条件创建两个布尔掩码，然后在两个掩码之间使用 & 索引您的原始数据帧。下面是一个例子。

print(df)
                   ts  score
0 2021-09-16 11:45:00   88.6
1 2021-09-16 11:48:00   92.3
2 2021-09-30 11:45:00   44.5
3 2021-09-30 12:45:00   55.4

print(dates)
['2021-09-16']

print(times)
['11:45:00', '11:48:00']

mask1 = df["ts"].dt.strftime('%Y-%m-%d').isin(dates)
mask2 = df["ts"].dt.strftime('%H:%M:%S').isin(times)

df.loc[mask1 & mask2]
                   ts  score
0 2021-09-16 11:45:00   88.6
1 2021-09-16 11:48:00   92.3

【讨论】：