Python 我有大量的数据，我想实现以下操作，但需要花费太多的时间。我如何优化它？

我正在处理一组数据，我需要先清理一下，大约400.000行

要采取的两项行动： -转售发票月份是字符串M201705，我想制作一个名为 年份，仅为2017年

一些商业产品也是字符串，最后是TR，我想从这些产品中删除TR。例如M23065TR，我想更改M23065中的所有产品，但在该列中也有产品名称，例如已经很好的M340767 下面是我的代码，它需要2个多小时才能运行，您是否有一个解决方案来简化它，以减少时间。 非常感谢你 对于Rangenda中的i。形状[0]： Ndata.loc[i，'年]=Ndata.loc[i，'转售发票月][1:5] 如果Ndata['Commercial Product Code'][i][2:][='TR'==True: Ndata.loc[i，'Commercial Product Code']=Ndata.loc[i，'Commercial Product Code'][：-2] 使用pandas时，始终尝试矢量化，而不是使用循环

您可以执行以下操作：

# for Year
NData['Year'] = Ndata['Resale Invoice Month'].str[1:5]

# remove trailing TR, only row have it
idx = Ndata['Commercial Product Code'].str[-2:]=='TR'
Ndata.loc[idx, 'Commercial Product Code'] = Ndata[idx].str[:-2]

---

你能提供一个答案吗？可能是：Ndata['Commercial Product Code']=Ndata['Commercial Product Code']。str.replace'TR'，Hi@hunzter，谢谢你的回答。它似乎不起作用。我有一个错误告诉：…嗨@Rickou95有一个语法错误，我已经修复了。必须是Ndata['Commercial Product Code'].str，而不是Ndata.str['Commercial Product Code']