Python 3.x 如何加速数据帧行上的迭代

尝试ItErrorws（）时速度非常慢，在别处读取zip会更好，但仍然非常慢

我试图搜索一个数据帧的行，生成一些统计数据来填充两个新的数据帧

有没有加快数据帧行搜索速度的建议

代码片段：

for index,date,stocknum in zip(stockpicks.index.values,stockpicks.date.values,stockpicks.stocknum.values):

        stock=readStockPrice(stocknum)
        if stock.empty:
            return print("error - empty frame")
        stock=stock.ix[trading_days]
        stockprice=stock.Close.values
        p0_date=trading_days.get_loc(date)


        p0=stockprice[p0_date]
        stock_pct_change={('d'+str(d)):stockprice[p0_date+d]/p0*100.0 if (p0_date+d)< len(trading_days) else np.nan for d in days }

        b0=hsi[p0_date]
        benchmark_pct_change={('d'+str(d)):hsi[p0_date+d]/b0*100.0 if (p0_date+d)< len(trading_days) else np.nan for d in days }

        for d in days:
            stock_analysis.loc[index,'d'+str(d)]=stock_pct_change['d'+str(d)]
            benchmark_analysis.loc[index,'d'+str(d)]=benchmark_pct_change['d'+str(d)]

对于zip中的索引、日期、stocknum（stockpicks.index.values、stockpicks.date.values、stockpicks.stocknum.values）：
stock=readStockPrice（stocknum）
如果库存为空：
返回打印（“错误-空帧”）
股票=股票.ix[交易日]
股票价格=stock.Close.values
p0\u日期=交易日。获取loc（日期）
p0=股票价格[p0\U日期]
股票价格变化={（'d'+str（d））：股票价格[p0_日期+d]/p0*100.0如果（p0_日期+d）

您出现的问题可以完全矢量化。像您这样的迭代和索引是最慢的方法

In [6]: df = DataFrame(np.random.randint(-5,5,size=20).reshape(5,4),columns=list('abcd'),index=date_range('20130101',periods=5))+50.0

In [7]: df.pct_change()
Out[7]: 
                   a         b         c         d
2013-01-01       NaN       NaN       NaN       NaN
2013-01-02  0.108696  0.108696  0.102041  0.086957
2013-01-03 -0.058824 -0.039216 -0.074074 -0.060000
2013-01-04  0.104167  0.081633 -0.020000  0.000000
2013-01-05 -0.075472 -0.113208  0.061224 -0.021277

[5 rows x 4 columns]

---

杰夫，谢谢你的回答。。然而，你可能已经错过了我问题的焦点。我的代码不打算计算股票报价矩阵的pct变化，它首先必须通过stockpicks df搜索股票和感兴趣的日期，从存储的csv中检索相关股票报价，并计算pct_变化（以天为单位）[1,2,5,10,20,30…250]。因此，我必须迭代股票选择行（搜索）并将其索引到关注的股票价格中。