如何有效地从DataFrame中选择多个列？

Question

我在一个由转换组成的DataFrame上写了类似Q-Learning的东西。数据包含以下列：

date, begin_time, begin_grid, end_time, end_grid, reward, [feature_columns]

我正在使用以下代码进行小批量培训：

for i in xrange(num_iter):

    idx = np.random.choice(N, batch_size)
    now_data = train_data.loc[idx]

    predicted_value = []
    for index, row in now_data.iterrows():
        action_state = row[["date", "end_time", "end_grid"]]
        #Can the next line be quicker?
        end_state_frame = train_data[(train_data["date"] == action_state["date"]) & (train_data["begin_grid"] == action_state["end_grid"]) & (train_data["begin_time"] == action_state["end_time"])]

        if len(end_state_frame) == 0:
            predicted_value.append(0.0)
        else:
            end_pred_values = model.predict(end_state_frame[feature_columns]).flatten()
            predicted_value.append(np.mean(end_pred_values))

在这段代码中，我正在重复查看“date”，“begin_time”和“begin_grid”。此代码现在太慢，无法实际训练模型。我想知道我是否可以做些什么来加快这个过程（也许是通过设置索引或分组）？

谢谢！