Python 熊猫-落楠'；每列s，并用0快速填充？

我有一个数据框，如下所示，有上万行和上千列：

对于LSTM，我想

仅提取每列的值

将它们放在数据帧的开头，然后

在值启动到索引99之前填充0

但是，请注意，并非每一列的值都相同。有些已经有很多了，有些还没有。生成值的时间戳也是特定于列的。我用下面的代码实现了这个结果。但是，由于代码非常慢（700小时），我正在寻找更快地执行计算逻辑的可能性。这需要很长时间，因为我想计算从2008年到2020年每小时时间戳的这种结果

有没有办法使代码更快？

df1=pd.DataFrame(index=range(100),columns=dummydata.columns)
for j in dummydata.columns:
    df1[j]=dummydata[(dummydata.index<=i)][j].dropna().iloc[-T:].iloc[::-1].reset_index(drop=True)
df1=df1.fillna(0).reset_index(drop=True)

df1=pd.DataFrame（索引=范围（100），列=dummydata.columns）
对于dummydata.columns中的j：
df1[j]=dummydata[（dummydata.index你能试试看这是否更快吗

dummydata.apply（lambda x:pd.Series（x.dropna（）.values））.fillna（0）

然后，您可以使用
dummydata.loc[0:100，：]仅选择前100行
您能提供一些示例数据和预期输出吗？当原始结果未知时，很难提供答案。此外，
i
和
T
是什么？对不起，该代码位是较大代码的一部分。i是for循环中的迭代器，按循环顺序迭代所有时间戳。T=100。谢谢-这很有效，很快就能达到预期效果。