如何摆脱Python代码中的嵌套for循环？

我有一年的电子卫星测量（仪器每4秒测量一次）。这个阵列被称为“电子”。我还有datetime.datetime格式的相应时间（称为“时间”）。我想对电子阵列求平均值，得到每分钟的平均值，而不是每4秒的平均值。我想把它们放在一个新的数组“g”中。然而，当我写循环时，它变得非常慢。有没有办法让它更快？以下是我的工作：

import numpy as np
import spacepy.time as spt
import datetime as dt

year=2001
for month in range (1,13):
        dmax=np.array([[31,28,31,30,31,30,31,31,30,31,30,31]]).T #number of days in a month
        for day in range(1,dmax[month-1]+1):
            for hour in range(24):
                for minute in range(60):

                D1=spt.Ticktock(dt.datetime(year, month, day, hour, minute, 0,0),'UTC').RDT #lower boundary of a minute

#here, spt is a spacepy.time, and '.RDT' returns GREGORIAN ORDINAL TIME.

                D2=spt.Ticktock(dt.datetime(year, month, day, hour, minute, 59,999999),'UTC').RDT #upper boundary of a minute

                mask=((time>D1)&(time<D2))

                electrons_logic=electrons[mask]
                k=(month-1)*dmax[month-1]*24*60+(day-1)*24*60+hour*60+(minute+1) #number of the minute in a year
                g[k,0]=np.nanmean(electrons_logic)

将numpy导入为np
将spacepy.time导入为spt
将日期时间导入为dt
年份=2001年
对于范围（1,13）内的月份：
dmax=np.数组（[[31,28,31,30,31,30,31,31,30,31]]）.T#一个月内的天数
对于范围内的天（1，dmax[第1个月]+1）：
范围内的小时数（24）：
对于范围（60）内的分钟：
D1=标定点时间（dt.日期时间（年、月、日、小时、分钟，0,0），'UTC'）。RDT#分钟的下限
#这里，spt是一个spacepy.time，“.RDT”返回格里高利顺序时间。
D2=标定点时间（dt.日期时间（年、月、日、小时、分钟，59999999），'UTC'）。RDT#分钟的上限
掩码=（（时间>D1）和（时间如果有任何静态初始化（针对代码）

它应该在for循环之外。因为每次循环运行时，该数组都会被初始化以进行大量计算。
替代方法（至少对于3个内部循环）是循环分钟数，
然后使用除法+余数计算小时和天：

dmax=np.array([[31,28,31,30,31,30,31,31,30,31,30,31]]).T #number of days in a month
for month in range (1,13):
    nb_days = dmax[month-1]
    for m in range(60*24*nb_days):
        hour,minute = divmod(m,60)
        day,hour = divmod(hour,nb_days)
        day += 1

这是在每次迭代中使用2个除法/模（使用
divmod
函数可以一次性完成）与2个循环之间的折衷。由于python循环非常昂贵，因此值得尝试。
每当您在迭代方面遇到问题时，请想一想

我还建议在循环之外定义
dmax
，否则它将在每个
月
迭代中实例化。
看起来除了计算秒之外，您没有使用月、日和分钟

您可以使用类似的方法在1个循环中完成，甚至不必硬编码一个月数组中的日期：

year=2001
DT1=dt.datetime(year, 1, 1, 0, 0, 0, 0),'UTC')
DT2=dt.datetime(year, 1, 1, 0, 0, 59, 999999),'UTC')
DToneSec=datetime.timedelta(seconds=1)
DTy=dt.datetime(year+1, 1, 1, 0, 0, 0, 0),'UTC')-DT1

for k in range (1,DTy.total_seconds()+1):
    D1=spt.Ticktock(DT1).RDT
    DT1+=DToneSec
    D2=spt.Ticktock(DT2).RDT
    DT2+=DToneSec

    g[k,0]=np.nanmean(electrons[(time>D1)&(time<D2)])

year=2001
DT1=dt.datetime（年份，1，1，0，0，0），'UTC'）
DT2=dt.datetime（年份，1,1,0,0,599999），'UTC'）
DToneSec=datetime.timedelta（秒=1）
DTy=dt.datetime（年份+1,1,1,0,0,0），'UTC'）-DT1
对于范围内的k（1，DTy.总秒数（）+1）：
D1=标的滴答声（DT1）.RDT
DT1+=DToneSec
D2=标的滴答声（DT2）.RDT
DT2+=DToneSec
g[k，0]=np.nanmean（电子[（时间>D1）和（时间）你可以在分钟内循环（1个循环）使用divmod计算其他值。除法/模与循环折衷。值得计时。这可能很好！但是，问题是月份的天数不同，因此在某个点上进行除法将很困难…您仍然可以对3个内部循环进行除法。并在开始时定义
dmax
（并不是说要花太多时间，但还是…）pandas.resample maybe？itertools，总是itertools问题是itertools实际上比简单循环花费更多的时间。我计时了，简单循环速度快了13%。@TomSmith如果性能真的那么重要，你应该调整嵌套循环，因为它们肯定会更快。使用divmod by的解决方案可能会更快韩敏（我想是的，但没有测试），但它不会像循环那样快。事实上，使用divmod的解决方案会让它慢30%！我认为会有一些神奇的方法来改进它，但在我看来，我只需要等到它运行到最后……当需要性能时，采用原始的丑陋方式通常是解决方案，因为它们是调用但是如果从外部循环中删除dmax，那么您将获得显著的性能
from itertools import product

dmax=np.array([[31,28,31,30,31,30,31,31,30,31,30,31]]).T
for month in range (1,13):
    for day, hour, minute in product(range(1,dmax[month-1]+1), range(24), range(60)):
        ...

year=2001
DT1=dt.datetime(year, 1, 1, 0, 0, 0, 0),'UTC')
DT2=dt.datetime(year, 1, 1, 0, 0, 59, 999999),'UTC')
DToneSec=datetime.timedelta(seconds=1)
DTy=dt.datetime(year+1, 1, 1, 0, 0, 0, 0),'UTC')-DT1

for k in range (1,DTy.total_seconds()+1):
    D1=spt.Ticktock(DT1).RDT
    DT1+=DToneSec
    D2=spt.Ticktock(DT2).RDT
    DT2+=DToneSec

    g[k,0]=np.nanmean(electrons[(time>D1)&(time<D2)])