Python 比较数据帧中的值

我正在做一个

Python

项目，并试图从一开始就使用

Pandas

减少一些计算时间。 目前的代码是：

for c1 in centres1:
    for c2 in centres2:
        if ((c1[0]-c2[0])**2 + (c1[1]-c2[1])**2) < search_rad*search_rad:
            possible_commet.append([c1,c2])

对于中心1中的c1：
对于中心c2：
如果（（c1[0]-c2[0]）**2+（c1[1]-c2[1]）**2）

我试图将

centres1

和

centres2

放入数据帧中，然后将每个值与其他值进行比较。熊猫会帮我缩短一些时间吗？（当前

2分钟

）。如果不是的话，我该如何解决这个问题？

---

谢谢

是的，当然熊猫会帮助你至少缩短一些时间，这比你现在得到的时间要少，但你可以尝试一下：

  for i,j in zip(center1, center2):
      if ((c1[0]-c2[0])**2 + (c1[1]-c2[1])**2) < search_rad*search_rad:
        possible_commet.append([c1,c2])

邮政编码中的i，j的

（中心1，中心2）：
如果（（c1[0]-c2[0]）**2+（c1[1]-c2[1]）**2）

不幸的是，这永远不会很快，因为您将要执行n平方运算。例如，如果您正在比较

n

对象，其中

n=1000

，那么您只有100万次比较。然而，如果你有

n=10_000

，那么你需要进行1亿次比较。一个10倍大的问题会变慢100倍

然而，python中的for循环相对昂贵。使用像pandas这样的库可能意味着您只能进行一次函数调用，并将节省一些时间。如果没有任何输入数据，很难进一步提供帮助，但下面应该提供一些构建块

导入熊猫
df1=熊猫数据帧（中心1）
df2=熊猫数据帧（中心2）
df3=df1.merge（df2，how='cross'）
df3['combined_center']=（（df3['0_x']-df2['0_y']**2+（df1['1_x']-df['1_y']）**2）
df3[df3['prod']>搜索半径**2

是否特别需要嵌套循环？似乎您正在寻找

zip（）

这已经快多了，非常感谢：）嗨，所以我试着去实现它，结果拒绝了我的点，特别是那些500席的XI不认为<代码> zip < /C>会在这里工作，从我理解的问题来看，他们正在寻找所有可能的排列，而不是简单地从每个列表中输入第一个条目。