无法对Python Jupyter笔记本中的嵌套for循环函数使用多重处理

我尝试了多种技术来使用多种处理，但失败了。正常的for循环需要几天才能执行，我可能做错了什么，或者代码没有优化

    for i in range(0,len(Years)):
        colname = int(Years[i])
        Status[str(colname)] = ''
        for j in range(0,len(Unique_ID)):
            sample = SA_data[SA_data.accountID==Unique_ID[j]]
            Status.loc[j, 'accountID'] = Unique_ID[j]
            Status.loc[j, str(colname)] = np.where((((sample['YearMonth_Start'].values)<colname) & ((sample['saStatus'].values)=='Active')).any(),'True',
                          np.where((((sample['YearMonth_Start'].values)<colname) & ((sample['YearMonth_End'].values)>colname) ).any(),'True','False'))

对于范围（0，len（年））内的i：
colname=int（年[i]）
状态[str（colname）]=''
对于范围（0，len（唯一_ID））中的j：
sample=SA_data[SA_data.accountID==Unique_ID[j]]
Status.loc[j，‘accountID']=唯一的_ID[j]
Status.loc[j，str（colname）]=np.where（（（sample['YearMonth\u Start'].values）假设您使用的是pandas，我认为您应该根据其accountID列对SA_数据进行分组，即
SA_data.groupby（'accountID'））
然后使用其apply函数将函数应用于每个组。这样，您将删除其中一个for循环。您的代码将扫描SA_数据16*360000次（因此SA_数据的每一行迭代16*360000次），但对于groupby，代码将仅迭代每一行17次（每年16次，加上groupby期间的一次）@Ali_-MM非常感谢。它非常有效。我还有一件事要问，现在需要20分钟。那么有什么方法可以使用多处理或并行处理来缩短执行时间。再次感谢