Python 加速np.arange（1100）下的数值求和

我在一系列数字中循环，然后在一系列小于或等于每个范围成员的数字中计数：

min_odds_range = np.arange( 1.01, 2.0, 0.01 )
df_result = pd.DataFrame( columns=[ 'FILLS' ], index=min_odds_range )
for mo in min_odds_range:
    df_result[ 'FILLS' ] = my_stats[ 'PRICE' ]<=mo

---

在我看来，您的代码生成了一个带有一列“FILLS”的dataframe df_结果，然后被覆盖10次。只有for循环的最后一次迭代实际上对数据集做了任何事情

这段代码将做同样的事情，没有循环。我很确定你的逻辑中漏掉了什么

min_odds_range = np.arange( 1.01, 2.0, 0.01 )
df_result = pd.DataFrame( columns=[ 'FILLS' ], index=min_odds_range )
df_result[ 'FILLS' ] = my_stats[ 'PRICE' ] <= 2.0

min\u赔率范围=np.arange（1.01,2.0,0.01）
df_result=pd.DataFrame（列=['填充']，索引=最小赔率范围）
df_result['FILLS']=my_stats['PRICE']听起来您可以使用
numpy.searchsorted
，但从您的代码中，不清楚您到底想做什么1）循环不起作用2）在第二个代码中，变量名称不同。如果您可以提供非常小的示例输入和输出，这也会非常有用。
min_odds_range = np.arange( 1.01, 2.0, 0.01 )
df_result = pd.DataFrame( columns=[ 'FILLS' ], index=min_odds_range )
df_result[ 'FILLS' ] = my_stats[ 'PRICE' ] <= 2.0