Python 没有循环的分配？

我有：

• NewData，要从中填充的pd.DataFrame
• SourceData，包含源数据和
• source，一个数据帧，其中包含要为其分配SourceData中的dataframe的索引值
• indexlen，数据帧中索引长度的整数

（使用数据帧，因为索引对齐非常关键。）

例如，假设SourceData中有1000个df，indexlen是10000。在10000时，我将把SourceData中的所有列分配给NewData，将索引向上移动（因为所有df共享相同的索引），直到source递减，此时我将开始将SourceData[999]中dataframe中所有列的值分配给NewData，等等

我目前正在使用循环执行此操作：

for j in range(1, indexlen + 1):
    NewData[j] = SourceData[source[j]].ix[j,:]

我想在不使用循环的情况下执行此操作，但我不知道如何广播此操作。我肯定我错过了一些明显的东西，但任何帮助都将不胜感激。谢谢大家!

编辑： 我制作了一个源代码列表，因为我认为按元素访问更有效

在回答有关数据帧的问题时，它们是标准价格数据：

>>>SourceData[1].head()

bpz1975     Open    High    Low     Close   Vol     OI
1975-02-13  2.275   2.275   2.275   2.275   0   50
1975-02-14  2.275   2.275   2.275   2.275   0   50
1975-02-18  2.275   2.275   2.275   2.275   0   50
1975-02-19  2.290   2.290   2.290   2.290   0   50
1975-02-20  2.290   2.290   2.290   2.290   0   50

---

在本例中，读取期货合约的所有月份，然后应用滚动逻辑创建一个系列

创建数据帧并填充它通常不是最快或最随意的方式

在这种情况下，您可以执行以下操作：

如果您需要在SourceData中的DataFrames中包含源、索引信息，那么我会在执行concat之前执行此操作

---

现在还不清楚这到底意味着什么，但听起来像是你建议根据源设置每个帧的索引。。。您可以创建一个传递SourceData的函数，通过SourceData更改每个数据帧的索引（没有看到source，不清楚具体是什么）。是否有一些关于数据帧外观的示例？使用其中一个dfs的head（）编辑问题。此外，索引可能大于10000，因此如果我不高效地执行此操作，内存可能也是一个问题。（正如我想你们可以告诉我的，我的问题和这个具体问题一样，都是关于良好的编程实践的，所以欢迎任何批评。谢谢！）我还尝试了将NewData作为一个列表。快得多。如果没有更好的方法，我认为这个解决方案是可以接受的。

pd.concat(SourceData)