设置：Anaconda运行Python 3.5，Pandas
我的数据框是带有索引（datetime，id＃）列的多索引（p1，p2，p3 ...）。
我需要计算列间天数的10分钟平均值，因此我使用.between_time（）方法和列表理解。
df['time_mean']=[df.xs(ID.value).between_time(((df.xs(ID.value)['p1_datetime'][rows])-datetime.timedelta(minutes=5)).time().strftime("%H:%M:%S"),((df.xs(ID.value)['p1_datetime'][rows])+datetime.timedelta(minutes=5)).time().strftime("%H:%M:%S"))['p1'].mean() for rows, x in enumerate(df['p1'])]
每个ID＃都是可以在任意时间启动的设备，因此它们不会同步。
由于每个.between_time（）调用只是读取/扫描df而不依赖，我可以进一步并行化它。
我的理解是列表理解将比map（）更快或更快，但是我可以以某种方式将列表理解的每次迭代分解为不同的线程吗？