有没有一种快速的方法可以避免基于另一个数据帧的数据生成新数据帧的for循环？
回答此问题可获得 20 贡献值，回答如果被采纳可获得 50 分。
<p>我需要在包含多个实时信号和一个时间戳列的数据帧中找到某些触发器之间的数据。这些触发器保存在单独的数据框中。我有一个带有for循环的工作解决方案，它在我使用的相对较大的数据集上花费时间。我试图通过列表理解来加快速度，但我找不到有效的解决方案。有人知道如何更快地做到这一点吗</p>
<p><strong>for循环解决方案：</strong></p>
<p>这是触发器数据帧的外观：</p>
<pre><code> timestamp_x start_trig id timestamp_y end_trig
0 1592724037612 1.0 12 1592724068408 -1.0
1 1592724459283 1.0 23 1592724490290 -1.0
2 1592724514246 1.0 17 1592724545450 -1.0
</code></pre>
<p>这是将旧数据框中名为“data”的行附加到名为new_df的新数据框中的代码</p>
<pre><code>for i in range(len(df_trig)):
mask = data[(data['timestamp'] > df_trig.iloc[i].timestamp_x) & (data['timestamp'] < df_trig.iloc[i].timestamp_y)]
new_df = new_df.append(mask)
</code></pre>
<p>这就是我试图用一台发电机解决的问题，它对我不起作用：</p>
<pre><code>new_df = pd.DataFrame(data[(data['timestamp'] > low_lim) & (data['timestamp'] < upp_lim)] for low_lim,upp_lim in zip(df_trig['timestamp_x'], df_trig['timestamp_y']))
</code></pre>
<p>感谢您提前给出的答案</p>
<p>编辑：</p>
<p>原始数据框包含以下内容：</p>
<pre><code> timestamp id param1
0 1592724037612 23 56.1
1 1592724037712 23 56.1
2 1592724037812 23 56.0
...
100 1592724047612 17 54.7
</code></pre>
<p>目标是从另一个数据帧移动任何触发器对之间的所有行。因此，新数据框看起来几乎相同，只是缺少了超出触发器数据框中定义范围的行</p>
请先 登录 后评论
针对此问题: 更多的回答
- 89 关注
- 1 收藏，216 浏览
- 网友 提问于 2天前
相关Python问题
- 为什么我的神经网络模型的准确性不能在这个训练集上得到提高？ 8 回答
- 为什么我的神经网络模型的权重变化不大？ 1 回答
- 为什么我的神经网络的成本不断增加？ 8 回答
- 为什么我的神经网络的输入pickle文件是19GB？ 4 回答
- 为什么我的神经网络给属性错误？“非类型”对象没有属性“形状” 2 回答
- 为什么我的神经网络训练这么慢？ 5 回答
- 为什么我的神经网络输出错误？ 2 回答
- 为什么我的神经网络预测适用于MNIST手绘图像时是正确的，而适用于我自己的手绘图像时是不正确的？ 10 回答
- 为什么我的神经网络验证精度比我的训练精度高，而且它们都是常数？ 5 回答
- 为什么我的私人用户间聊天会显示在其他用户的聊天档案中？ 9 回答
- 为什么我的积分的绝对误差估计值大于积分（使用scipy.integrate.nqad）？ 6 回答
- 为什么我的积层回归器得分比它的组件差？ 2 回答
- 为什么我的移动方法不起作用？ 8 回答
- 为什么我的稀疏张量不能转换成张量 9 回答
- 为什么我的稀疏张量不能转换成张量？ 2 回答
- 为什么我的程序“停止”了？ 4 回答
- 为什么我的程序一直试图占用所有可用的CPU 10 回答
- 为什么我的程序不使用指定的代理 1 回答
- 为什么我的程序不工作（python帮助中的反向函数）？ 5 回答
- 为什么我的程序不工作时，我使用多处理模块 7 回答
