Python 如何简化向数据框中添加具有特定值的列？

我有一个大数据框（超过900000行），并希望根据第一列添加一些列（带有日期和时间的时间戳）。我的代码可以工作，但我想它太复杂太慢了。我是一个初学者，所以帮助将不胜感激！谢谢

df['seconds_midnight'] = 0
df['weekday'] = 0
df['month'] = 0

def date_to_new_columns(date_var, i):
    sec_after_midnight = dt.timedelta(hours=date_var.hour, minutes=date_var.minute, seconds=date_var.second).total_seconds()
    weekday = dt.date.isoweekday(date_var)
    month1 = date_var.month
    df.iloc[i, 24] = sec_after_midnight
    df.iloc[i, 25] = weekday
    df.iloc[i, 26] = month1
    return


for i in range(0, 903308):
    date_to_new_columns(df.timestamp.iloc[i], i)

---

如果该列是datetime64/时间戳列，则可以使用：

---

如果该列是datetime64/时间戳列，则可以使用：

---

因此，这是缓慢的原因是for循环单独处理每一行。pandas的一个优点是，您可以在一次操作中快速处理整个列/数据帧

因此，同时为每个新列创建所有行：

def date_to_new_columns(df):
    df['sec_after_midnight'] = (df.timestamp - df.timestamp.dt.normalize()).dt.seconds
    df['weekday'] = df.timestamp.dt.day_name
    df['month1'] = df.timestamp.dt.month
    return

---

请注意，在pandas版本0.23.0之前，dt.day_name方法被称为dt.weekday_name。

因此速度较慢的原因是for循环分别处理每一行。pandas的一个优点是，您可以在一次操作中快速处理整个列/数据帧

因此，同时为每个新列创建所有行：

def date_to_new_columns(df):
    df['sec_after_midnight'] = (df.timestamp - df.timestamp.dt.normalize()).dt.seconds
    df['weekday'] = df.timestamp.dt.day_name
    df['month1'] = df.timestamp.dt.month
    return

请注意，在0.23.0版之前，dt.day_name方法称为dt.weekday_name