Python 在不使用for循环的情况下创建数据帧的子集

我想提高这个操作的速度

df = pd.DataFrame(columns = ['eventId','total'])
for event in df_events:
    df1 = data[data['eventId'] == event]
    df = pd.concat([df,df1])

---

df#U events是一个包含类似于“2015-11-23#54#”的元素的对象，它可以实现我想要的目的，但我想知道是否有一种不使用for循环的更快方法

一个没有回路的一行程序可以为您做您想做的事情：

df=data[data[“eventId”]。应用（df_事件中的lambda x:x）]

这确实比您当前的解决方案要快得多（我用非常非常小的

数据
）：

data=pd.DataFrame（{'eventId'：{0:'2015-11-23#54#'，
1: '2015-11-23#55#',
2: '2015-11-23#56#',
3: '2015-11-23#54#',
4: '2015-11-23#55#',
5: '2015-11-23#56#'},
‘总数’：{0:2，1:8，2:9，3:4，4:3，5:5}）
df#U事件=['2015-11-23#54#'，'2015-11-23#56#']
在[14]中：%timeit df=data[data[“eventId”].apply（df_事件中的lambda x:x）]
1000个回路，最好为3个：每个回路737µs
[15]中：%%timeit df=pd.DataFrame（列=['eventId'，'total']）
..：对于df_事件中的事件：
..：df1=数据[数据['eventId']==事件]
..：df=pd.concat（[df，df1]）
....: 
100圈，最佳3圈：每个圈8.18毫秒
没有循环的单行程序可以为您做您想做的事情：

df=data[data[“eventId”]。应用（df_事件中的lambda x:x）]

这确实比您当前的解决方案要快得多（我用非常非常小的
数据
）：

data=pd.DataFrame（{'eventId'：{0:'2015-11-23#54#'，
1: '2015-11-23#55#',
2: '2015-11-23#56#',
3: '2015-11-23#54#',
4: '2015-11-23#55#',
5: '2015-11-23#56#'},
‘总数’：{0:2，1:8，2:9，3:4，4:3，5:5}）
df#U事件=['2015-11-23#54#'，'2015-11-23#56#']
在[14]中：%timeit df=data[data[“eventId”].apply（df_事件中的lambda x:x）]
1000个回路，最好为3个：每个回路737µs
[15]中：%%timeit df=pd.DataFrame（列=['eventId'，'total']）
..：对于df_事件中的事件：
..：df1=数据[数据['eventId']==事件]
..：df=pd.concat（[df，df1]）
....: 
100圈，最佳3圈：每个圈8.18毫秒
试试这个：

df = data[data["eventId"].isin(df_events)]

试试这个：

df = data[data["eventId"].isin(df_events)]

我完全忘记了
isin（）
方法，但这可能比我的答案更快，当然更可读。我完全忘记了
isin（）
方法，但这可能比我的答案更快，当然更可读。