Python 有没有办法加快数据处理速度？

我有一个大的数据表（大约3100000行和6列），我想提取一些数据子集并重新排列它们

我尝试了以下代码：

tab=[]
tab.append(np.array(['Channel', 'Edge', 'Time', 'Sweep', 'Tag', 'DataLost']))
incl=[]
incl.append(np.array(['Mult', 'x1', 'x2', 'y1', 'y2']))

for i in range (0,max):
B=tab[tab[:,3]==str(i),:]
C1=B[B[:,0]==str(Voie_Stop_1),2]
C2=B[B[:,0]==str(Voie_Stop_2),2]
if len(C1)%2 ==0 and len(C2)%2 ==0 and len(C1) ==len(C2) :
    nb_fragments=len(C1)/2 
    C1=C1.reshape(int(nb_fragments), 2)
    C2=C2.reshape(int(nb_fragments), 2)
    C1C2=np.concatenate((C1,C2), axis=1)
    ligne=np.insert(C1C2, 0, nb_fragments,axis=1)
    ligne=np.array(ligne)
    for j in range(int(nb_fragments)):
        incl.append(ligne[j])
        ligne=C1C2[0]
        unSTOP.append(ligne)

---

它正在做我想做的事情，但速度非常慢（5秒使I+100）。。。为了填充我的标签，我使用了函数“append”，因为这个论坛上有人告诉我，它比“concatenate”快，而且在我的代码的第一部分（这里没有显示）中确实如此。。。你能帮我吗？？？（我是python新手…

根据我的经验，用python操作大型数据集的最快方法是使用。在pandas中，将数据导入一个称为。然后，您可以使用API快速地对数据执行操作

根据数据的存储方式（csv、python dictionary、sql等），您可以使用以下工具快速轻松地将数据拉入内存：

df

是您的数据帧。然后你就可以，而且更快

如果您可以发布一个数据示例，以及一些关于您希望提取和重新排列数据的具体方式的信息，我很乐意为您编写一个示例函数，以帮助您完成这项工作

import pandas as pd

df = pd.read_csv('/path/to/my/data.csv')