提高python中的性能

以下是一些公共交通工具的数据集示例：

日期为2018-06-01至2018-06-30

时间为运行时间，从上午5点到24（0）点

People是特定日期、时间和行程中的人数

从_到是这些人进出的地方（一种行程）

最后是工作日

这里我需要做的是为每次行程创建一个时间表，例如，如果我想为行程“G1_G2”创建一个表，我现在使用的代码是：

for i in [0,1,2,3,4,5,6]:
    for j in [0,1,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23]:
        df['people'][(df['weekday'] == i)&(df['from_to'] == 'G1_G2') & (df['time'] == j)].mean()

其中“i”是工作日，j是工作时间。 结果将是一个如下表：

但这里的问题是，每个表创建大约需要10秒，这里大约有11000种旅行类型，需要30多个小时

使用python还有其他更高效的方法吗

---

非常感谢

使用groupby和aggregate，您可能可以做到这一点

import pandas as pd

这里我特意使用了一个小数据示例。如果您有许多较小的表，正如我从您的描述中解释的那样，那么您可能需要在之前进行连接

df = pd.DataFrame({'date':['2018-06-01', '2018-06-01', '2018-06-01', '2018-06-02', '2018-06-02', '2018-06-02'], 'time':[0,0,0,1,1,1], 'people':[0,2,2,4,5,7], 'from_to':['BR13_BR13', 'BR13_BR13','BR13_BR13','BR13_BR13','BR13_BR13','BR13_BR13'], 'weekday':[4,4,4,5,5,5]})

以下代码生成的是长格式，而不是输出表的宽格式，但如果需要，可以将其设置为宽格式：

df.groupby(['from_to', 'time', 'weekday']).aggregate('people').mean()

这将导致以下输出：

from_to    time  weekday
BR13_BR13  0     4          1.333333
           1     5          5.333333
Name: people, dtype: float64

---

可能使用groupby和aggregate可以做到这一点

import pandas as pd

这里我特意使用了一个小数据示例。如果您有许多较小的表，正如我从您的描述中解释的那样，那么您可能需要在之前进行连接

df = pd.DataFrame({'date':['2018-06-01', '2018-06-01', '2018-06-01', '2018-06-02', '2018-06-02', '2018-06-02'], 'time':[0,0,0,1,1,1], 'people':[0,2,2,4,5,7], 'from_to':['BR13_BR13', 'BR13_BR13','BR13_BR13','BR13_BR13','BR13_BR13','BR13_BR13'], 'weekday':[4,4,4,5,5,5]})

以下代码生成的是长格式，而不是输出表的宽格式，但如果需要，可以将其设置为宽格式：

df.groupby(['from_to', 'time', 'weekday']).aggregate('people').mean()

这将导致以下输出：

from_to    time  weekday
BR13_BR13  0     4          1.333333
           1     5          5.333333
Name: people, dtype: float64

---

如果我正确理解了您的问题，您需要一个groupby聚合函数。不要将数据作为图像提供，而是提供一个简短的示例，这样我们就可以复制您尝试过的内容，看看如何改进。如果我正确理解您的问题，您需要一个groupby聚合函数。不要将数据作为图像提供，但这只是一个简短的例子，所以我们可以照搬你们的做法，看看我们如何改进。