我正在用数据科学代码进行优化，但发现了一种缓慢的方法。我想要一些改善的技巧。现在，我正在测试一个包含43000行的数据帧，并且大约需要50秒才能执行。
我已阅读有关方法trash = moesearch.search(...)
print(type(trash))
print(trash)
for i, j in enumerate(trash):
print(type(j))
...
，.loc，.iloc，.at，.iat和.iterrows的知识，以获取更好的性能迭代在数据帧中，我认为情况会如此，因为实际上该方法在for循环中运行。
.itertuples我也很难用[labels_nd_array == label]来了解for循环中发生的事情，第一条语句def slow_method(sliced_data_frame, labels_nd_array):
sliced_data_frame['column5'] = -1 # creating a new column
for label in np.unique(labels_nd_array):
sliced_data_frame['column5'][labels_nd_array == label] = label,
return sliced_data_frame
选择了刚刚创建的列，但是下一条使我困惑。
答案 0 :(得分：0)
我同意Poolka的评论，问题中的代码似乎只做sliced_data_frame['column5'] = labels_nd_array。这是因为，在回答关于[labels_nd_array == label]的重复项时，您首先选择了创建的列，然后在 labels_nd_array == label 处访问其索引，然后将其值从 -1更改为到 label 。
通常，应尽可能避免在行上循环，尤其是在Pandas中，即使DataFrame.iterrows（）也会为每行创建一个序列。如您所见，此主题通常在堆栈溢出for example中得到解决。在这里，您遍历一个numpy数组时，这似乎没有必要，而且还要考虑每次迭代时要检查的条件。
通常，如果还有其他遍历行的特定原因，我建议使用DataFrame.to_numpy（）（或类似选项）并在NumPy中工作。在NumPy中，默认情况下，遍历行通常更快，但始终尝试进行向量化。最后，在NumPy中，如果确实需要遍历行并且优先考虑性能，则可以使用Numba。