Python 将时间范围转换为时间矩阵的最快方法

我试图将具有特定值（df1）的时间值范围转换为基于第二频率（df2）索引的矩阵

目前，我正在迭代第一个数据帧，并使用loc函数将值转置到第二个数据帧中的多行，但我认为这是一种很慢的方法，因为迭代非常慢

def创建列（df）：
x=列表（dict.fromkeys（df['x']））
返回x
日期\u rng=pd.date\u范围（start=df1.iloc[0]['FROM']，end=df1.iloc[-1]['TO']，freq='s'）
cols=创建列（df1）
df2=pd.DataFrame（列=[cols]，索引=日期）
对于索引，df1.iterrows（）中的行：
日期\u rng=pd.date\u范围（开始=行['FROM']，结束=行['TO']，频率='s'））
df2.loc[日期，第['X']]行]=第['Y'行]

基本df1：

    X   FROM                TO                  Y
0   A   01/01/2019 00:00:00 01/01/2019 00:00:09 1
1   B   01/01/2019 00:00:05 01/01/2019 00:00:14 1
2   A   01/01/2019 00:00:10 01/01/2019 00:00:30 0
3   B   01/01/2019 00:00:15 01/01/2019 00:00:40 0
4   C   01/01/2019 00:00:00 01/01/2019 00:01:00 0

结果df2：

                    A   B   C
01/01/2019 00:00:00 1   1   0
01/01/2019 00:00:01 1   1   0
01/01/2019 00:00:02 1   1   0
01/01/2019 00:00:03 1   1   0
01/01/2019 00:00:04 1   1   0
01/01/2019 00:00:05 1   1   0
01/01/2019 00:00:06 1   1   0
01/01/2019 00:00:07 1   1   0
01/01/2019 00:00:08 1   1   0
01/01/2019 00:00:09 1   1   0
01/01/2019 00:00:10 1   0   0
01/01/2019 00:00:11 1   0   0
01/01/2019 00:00:12 1   0   0

---

创建从到之间的日期时间的秒范围，添加列X，Y和上次使用：

df1['FROM'] = pd.to_datetime(df1['FROM'])
df1['TO'] = pd.to_datetime(df1['TO'])

df2 = pd.concat([pd.Series(r.Index,pd.date_range(r.FROM, r.TO, freq='s')) 
                 for r in df1.itertuples()]).reset_index()
df2.columns = ['Date','Val']
df2 = df2.join(df1[['X','Y']], on='Val').pivot('Date','X','Y')