从不同行的列中为 pandas DataFrame 列分配值的最佳方法是什么？

Question

我需要遍历一个由 UNIX 时间戳索引的 DataFrame，并在一个列中，在将来的特定索引时间从不同行的另一列中分配一个值。这就是我目前正在做的事情：

df = pd.DataFrame([
    [1523937600, 100.0, 0.0], 
    [1523937660, 120.0, 0.0], 
    [1523937720, 110.0, 0.0],
    [1523937780, 90.0, 0.0],
    [1523937840, 99.0, 0.0]], 
    columns=['time', 'value', 'target'])
df.set_index('time', inplace=True)

skip = 2  # mins skip-ahead
for i in range(0, df.shape[0]-1):       
    t = df.index[i] + (60*skip)
    try:
        df.iloc[i].target = df.loc[t].value
    except KeyError:
        df.iloc[i].target = 0.0

输出：

            value  target
time                     
1523937600  100.0   110.0
1523937660  120.0    90.0
1523937720  110.0    99.0
1523937780   90.0     0.0
1523937840   99.0     0.0

这可行，但我正在处理包含数百万行的数据集，并且需要很长时间。有没有更优化的方法来做到这一点？

编辑：添加示例输入/输出。请注意，重要的是我从具有计算索引时间的行中获取值，而不是仅仅向前看 n 行，因为时间之间可能存在间隙，或者两者之间可能存在额外的时间。

Answer 1

在这种情况下，您应该将时间作为列和索引。希望这会有所帮助：

df = pd.DataFrame([ 
    [1523937600, 100.0, 0.0], 
    [1523937660, 120.0, 0.0], 
    [1523937720, 110.0, 0.0],
    [1523937780, 90.0, 0.0],
    [1523937840, 99.0, 0.0]], 
    columns=['time', 'value', 'target'])
df.index = df['time']

df['target'] = df['time'].apply(lambda x: df.loc[x+(skip*60)].value if x+(skip*60) in df.index.values  else 0.0)