Python 如何优化'；枚举'；当我必须搜索长熊猫系列（>；15m元素）时？

我有一个包含时间信息（代表秒的浮动）的pandas系列，例如，我需要识别时间大于x的索引。我目前正在使用enumerate来完成它，但我不确定它是否是最好的方法，因为它需要一点时间来执行。我想知道是否有矢量化的方法来执行这个操作

index=[i代表i，枚举中的val（df['time']），如果val>=x][0]

示例系列：

time

0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1

df[df['time']>=x]。索引

或

np.非零（df['time'].值>=x）[0]

编辑：
如果只需要第一次出现：

np.argmax（df['time'].values>=x）

仅获取时间大于

x

的第一个索引：

---

是的，有一种矢量化的方法。到目前为止，您是否尝试过类似的方法？回答：1）我需要确定索引-您指的是索引列表？2） 这需要一点时间-多少钱？什么时间可以接受？不，这是我迄今为止尝试的第二种方法。第一个是循环遍历它，直到我达到值x。@RomanPerekhrest No，这只是它出现的第一个元素（我已经编辑了代码）。这需要2秒钟（如果我必须做500次这样的手术，这是不可接受的）谢谢，两种方法都很有效。使用np.argmax的解决方案比第一个提出的解决方案快约3倍。

next(t[0] for t in df.itertuples() if t.time > x)