我想使用1W，国家/地区和汽车0的值来计算总成本，然后将其添加到1M汽车0中，对汽车1,2，...，10进行相同的计算。然后对1W和3M等进行相同的操作。我使用了嵌套循环，如下代码所示，但这花费了很长时间。是否有可能直接使用熊猫而不是执行嵌套循环？
组合应为：
USD: 1W and 1M 1W and 3M 1W and 6M 1W and 1Y and 1M and 3M 1M and 6M 1M and 1Y and 3M and 6M 3M and 1Y and 6M and 1Y
import pandas as pd
csv_loader = pd.read_csv('Cars.csv', encoding='cp1252', sep=';', index_col=0).dropna()
for current_date in csv_loader.index.unique():
print('calculating date: ' +str(current_date))
for index, row in index_data.iterrows():
if index == current_date:
for index2, row2 in index_data.iterrows():
if index2 == current_date:
我的CSV文件如下所示：
fact_date;Cars;Costs;Country;Car;Rental_Duration 2017-07-14;0;157.00;USD;Ford;1W 2017-07-14;1;122.00;USD;Ford;1W 2017-07-14;2;122.00;USD;Ford;1W 2017-07-14;3;102.00;USD;Ford;1W 2017-07-14;4;153.00;USD;Ford;1W 2017-07-14;5;130.00;USD;Ford;1W 2017-07-14;6;151.00;USD;Ford;1W 2017-07-14;7;132.00;USD;Ford;1W 2017-07-14;8;153.00;USD;Ford;1W 2017-07-14;9;191.00;USD;Ford;1W 2017-07-14;10;131.00;USD;Ford;1W 2017-07-14;0;571.00;USD;Ford;1M 2017-07-14;1;526.00;USD;Ford;1M 2017-07-14;2;568.00;USD;Ford;1M 2017-07-14;3;546.00;USD;Ford;1M 2017-07-14;4;593.00;USD;Ford;1M 2017-07-14;5;541.00;USD;Ford;1M 2017-07-14;6;536.00;USD;Ford;1M 2017-07-14;7;532.00;USD;Ford;1M 2017-07-14;8;537.00;USD;Ford;1M 2017-07-14;9;582.00;USD;Ford;1M 2017-07-14;10;523.00;USD;Ford;1M 2017-07-14;0;679.00;USD;Ford;3M 2017-07-14;1;641.00;USD;Ford;3M 2017-07-14;2;622.00;USD;Ford;3M 2017-07-14;3;654.00;USD;Ford;3M 2017-07-14;4;655.00;USD;Ford;3M 2017-07-14;5;635.00;USD;Ford;3M 2017-07-14;6;623.00;USD;Ford;3M 2017-07-14;7;678.00;USD;Ford;3M 2017-07-14;8;689.00;USD;Ford;3M 2017-07-14;9;694.00;USD;Ford;3M 2017-07-14;10;625.00;USD;Ford;3M 2017-07-14;0;726.00;USD;Ford;6M 2017-07-14;1;718.00;USD;Ford;6M 2017-07-14;2;770.00;USD;Ford;6M 2017-07-14;3;793.00;USD;Ford;6M 2017-07-14;4;704.00;USD;Ford;6M 2017-07-14;5;739.00;USD;Ford;6M 2017-07-14;6;785.00;USD;Ford;6M 2017-07-14;7;701.00;USD;Ford;6M 2017-07-14;8;718.00;USD;Ford;6M 2017-07-14;9;714.00;USD;Ford;6M 2017-07-14;10;788.00;USD;Ford;6M 2017-07-14;0;992.00;USD;Ford;1Y 2017-07-14;1;935.00;USD;Ford;1Y 2017-07-14;2;981.00;USD;Ford;1Y 2017-07-14;3;955.00;USD;Ford;1Y 2017-07-14;4;920.00;USD;Ford;1Y 2017-07-14;5;978.00;USD;Ford;1Y 2017-07-14;6;943.00;USD;Ford;1Y 2017-07-14;7;911.00;USD;Ford;1Y 2017-07-14;8;969.00;USD;Ford;1Y 2017-07-14;9;922.00;USD;Ford;1Y 2017-07-14;10;978.00;USD;Ford;1Y
我期望的输出如下：
fact_date Cars Costs_Total Car Country Rental_Duration 2017-07-14 0 728 Ford USD 1W_1M 2017-07-14 1 648 Ford USD 1W_1M 2017-07-14 2 690 Ford USD 1W_1M 2017-07-14 3 648 Ford USD 1W_1M 2017-07-14 4 746 Ford USD 1W_1M 2017-07-14 5 671 Ford USD 1W_1M 2017-07-14 6 687 Ford USD 1W_1M 2017-07-14 7 664 Ford USD 1W_1M 2017-07-14 8 690 Ford USD 1W_1M 2017-07-14 9 773 Ford USD 1W_1M 2017-07-14 10 654 Ford USD 1W_1M 2017-07-14 0 836 Ford USD 1W_3M 2017-07-14 1 763 Ford USD 1W_3M 2017-07-14 2 744 Ford USD 1W_3M 2017-07-14 3 756 Ford USD 1W_3M 2017-07-14 4 808 Ford USD 1W_3M 2017-07-14 5 765 Ford USD 1W_3M 2017-07-14 6 774 Ford USD 1W_3M 2017-07-14 7 810 Ford USD 1W_3M 2017-07-14 8 842 Ford USD 1W_3M 2017-07-14 9 885 Ford USD 1W_3M 2017-07-14 10 756 Ford USD 1W_3M 2017-07-14 0 883 Ford USD 1W_6M 2017-07-14 1 840 Ford USD 1W_6M 2017-07-14 2 892 Ford USD 1W_6M 2017-07-14 3 895 Ford USD 1W_6M 2017-07-14 4 857 Ford USD 1W_6M 2017-07-14 5 869.00 Ford USD 1W_6M 2017-07-14 6 936.00 Ford USD 1W_6M 2017-07-14 7 833.00 Ford USD 1W_6M 2017-07-14 8 871.00 Ford USD 1W_6M 2017-07-14 9 905.00 Ford USD 1W_6M 2017-07-14 10 919.00 Ford USD 1W_6M