Python 如何在这里替换for循环？

我在python中创建了这个函数，用于为产品数据集生成不同的价格组合。因此，如果一个产品的价格是10美元，那么不同的可能价格将是[10,11,12,13,14,15]。 例如：

我的职能：

def price_comb(df):
    K= [0,1,2,3,4,5]
    final_df = pd.DataFrame()
    c=0
    for j in K:
        c+=1
        print('K count=' + str(c))
        for index,i in df.iterrows():
            if (i['price_per_tire']<=100):
                i['price_per_tire'] = i['price_per_tire'] + 1*j
            elif ((i['price_per_tire']>100) & (i['price_per_tire']<200)):
                i['price_per_tire'] = i['price_per_tire'] + 2*j
            elif ((i['price_per_tire']>200) & (i['price_per_tire']<300)):
                i['price_per_tire'] = i['price_per_tire'] + 3*j
            elif i['price_per_tire']>=300:
                i['price_per_tire'] = i['price_per_tire'] + 5*j
            final_df = final_df.append(i)
    return final_df 

---

然而，对于545k行数据集，它需要花费大量的时间（最多2天）。我正试图找到更快执行的方法。请提供代码的工作版本，此处不清楚每个轮胎的价格来源

这个算法是一个O（N2），所以需要做很多改进

第一个建议是避免使用numpy或pandas进行for循环，尝试使用向量方法解决您的问题。 这意味着可以使用掩码技术重构内部循环

for x in df.iterrows():
   if x[fld] < limit:
      x[fld] = f(x[fld])

df.iterrows（）中x的

：
如果x[fld]<极限：
x[fld]=f（x[fld]）

可以重构：

mask = df[fld] < limit
df[fld] = f(df[fld])   # if f(unction) can work in vectorial
df[fld] = df[fld].map(f)  # Rolling version but slower

mask=df[fld]

通过这种方法，您可以将代码加速到惊人的速度

---

另一点是df.append不是一个好的实践，进行内联更改将更有效。您必须在主循环之前创建所有所需的列，以便分配所有所需的空间。

。它们总是很慢，因为它们无法矢量化。首先，请清理您的代码，以便更易于阅读。使用有意义的变量名和清晰的描述。你的逻辑在200美元时有差距。您正在使用位逻辑（&）而不是布尔逻辑（and），并且。。。好的，这真的属于StackExchange.CodeReview，而不是堆栈溢出。总的来说，我建议您学习有关PANDAS、布尔表达式和dict访问的教程，以便您的代码更高效、更易于阅读。还要学习

+=

操作符。你为什么多次打电话给

i['price\u per\u tire']

？你有什么建议可以让我做得更好吗？谢谢你指出，我已经做了更正。现在应该可以用了。我不明白fld是什么。你能给我的代码举个例子来澄清一下吗。提前感谢Glauchi Rohan，fld是一个列的名称，这是一个使用掩码的工作示例：mask_减_100=df['price_per_tire']感谢glauco，这很有帮助

for x in df.iterrows():
   if x[fld] < limit:
      x[fld] = f(x[fld])

mask = df[fld] < limit
df[fld] = f(df[fld])   # if f(unction) can work in vectorial
df[fld] = df[fld].map(f)  # Rolling version but slower