有没有一种方法可以加快此嵌套的for循环？ （多线程？）

Question

下午好，

我正在尝试加快一个嵌套的for循环的运行时间，该循环目前大约需要8个小时才能运行。

澄清代码的作用：

-循环浏览两个列表，并根据这些列表中的项目过滤另一个DataFrame。然后，我根据这些值过滤第二个DataFrame并在其上聚合一列。最后，我将带有过滤器项和汇总值的结果写入另一个DataFrame。

• 代码循环遍历日期列表（1000天）和一系列对象。

• 然后，它基于这些对象过滤另一个大型DataFrame（500,000行），并将一列汇总为总和。

• 最后，它使用以前的对象值，循环中的日期和聚合值，并将其追加到新的DataFrame中。

  #Create Date List ascending per day
  base = datetime.datetime.today()
  numdays = 1000
  dateList = [(base - datetime.timedelta(days=x)).date() for x in range(numdays)]
  dateList.reverse()
  
  #Initialize empty objects
  data = pd.DataFrame([])
  
  
  for date in dateList: 
      for asset in assetList:
          dfi = df.copy()
          dfi = dfi[dfi['AssetNum'] == asset]
          dfi = dfi[dfi['InstallDate']<date]
          dfi = dfi.reset_index(drop=True)
  
          try:
              installDate= dfi['InstallDate'].loc[0]
  
              sti = st.copy()
              sti = sti[sti['ASSETSERIAL'] == asset]
              sti = sti[sti['TIMESTAMP']>installDate]
              sti = sti[sti['TIMESTAMP']<date]
  
              cycles= sti['CYCLES'].sum()
  
              data = data.append(pd.DataFrame({'AssetNumber': asset, 'InstallDate': installDate,  'CurrentDate':date, 'Cycles':cycles}, index=[0]), ignore_index=True)
  
  
           except:
               pass
  

最后，快速浏览一下DataFrame的外观：

df （4000行）

     AssetNum      InstallDate
     SRF63712      2019-04-12
     SRF39304      2020-11-28
     SRF15302      2019-06-23
        ...           ...
   

st （50万行）

      ASSETSERIAL     TIMESTAMP      CYCLES
       SRF63712       2020-01-01      354
       SRF39304       2020-01-01      163
       SRF15302       2020-01-01      356
       SRF63712       2020-01-01       35
       SRF39304       2020-01-01      253
       SRF15302       2020-01-01      352
       SRF63712       2020-01-01       43
       SRF39304       2020-01-01      566
       SRF15302       2020-01-01      231

谢谢大家！

循环会一直向每个资产添加“ CYCLES”，直到到达新的InstallDate，然后将结果附加到DataFrame。