Python 如何使用pandas.groupby.nth（）加速循环？

我想加速一个循环，该循环在每次迭代时在数据帧上使用

groupby.nth（）

。 下面是对我的代码的快速解释： 假设我要执行蒙特卡罗模拟：

->假设我有一个数据帧df1，其权重为10*20。（10项资产的权重随时间而变化，即20年，每列总和=1）

->和df2（见图），另一个是200.000*20。（第一列是Nan，因为它是返回的数据帧）

200.000是我的10项资产的数据，一行放置（每个20.000行）

我的代码： -通过模拟次数循环（0 -按资产分组的df2

-创建一个dftemp=df2.groupby（'asset'）.nth（i）并通过乘以df1*dftemp并对轴=0上的结果求和来计算返回值（i）

Returns = np.zeros((nbsimulations,nbyears))
Capital = np.zeros((nbsimulations,nbyears))

    gb = datafilereturns.groupby('Asset')
    for i in range(0, nbsimulations):
        path = gb.nth(i)

        retsum = (TranspGrilleT.values * path.values).sum(axis=0)
        Returns[i,:] = retsum[1:]
    Capital[:,0] = Capital[:,0] * (1 + Returns[:,0])

我的问题是，对于大量模拟（20.000，即最大值，因为每个资产的数据不超过20.000），代码速度非常慢，因为它需要在循环中使用第n（i）个值，将df1和dftemp的值相乘，然后在每一步求和

我试着看Cython和Numba来加速代码，但没有成功。Numpy能加速这个循环吗？但在这种情况下，如何替换熊猫的第n（i）个功能

谢谢你的帮助

---

为什么不使用

groupby（'Asset'）.head（）

或

groupby（'Asset'）.nlargest（）

？@QuangHoang，因为如果我将groupby（'Asset'）.head（i）放在一个循环中，我有一个递增的数组，因为head（3）将为每个资产提供三行。n（i）为每个资产提供一行，但第三行除外。你认为我们可以在numpy中使它更快吗？不，我的意思是你使用

head（n）

，忘记循环的

。但是如何在每一步替换矩阵值的乘法呢？例如
retsum=（TranspGrilleT.values*path.values）.sum（axis=0）
为什么不使用
groupby（'Asset'）.head（）
或
groupby（'Asset'）.nlargest（）
？@QuangHoang，因为如果我把groupby（'Asset'）.head（i）放在一个循环中，我有一个递增的数组，因为head（3）会为每个资产给我三行。n（i）为每个资产提供一行，但第三行除外。你认为我们可以在numpy中使它更快吗？不，我的意思是你使用
head（n）
，忘记循环的
。但是如何在每一步替换矩阵值的乘法呢？即
retsum=（TranspGrilleT.values*path.values）.sum（axis=0）