如何删除 Python 中的慢循环并改用 Lambda 或其他东西

Question

用 lambda 或其他东西替换循环以提高运行速度我有一个有效的循环，但是对于我的真实数据集，它会太慢我基本上有一个巨大的文本文件，每行由 \n 字符分隔。每个独特消息的开头都有一个独特的消息指纹，为此，假设它们以 # 开头。我已经把这个 # (Y) 或不出现 (N) 放在一个单独的列中，称为“开始”我想查找不以 # 开头的行，如果下面的行也不以 # 开头，我想将两者连接起来。暂时忽略去除 \ns 的任何愿望，我已经涵盖了这一点。我的循环有效，但我如何使用 lambda 函数或任何其他方式来获得良好的加速？非常感谢提前for i in range(2,(len(df)-1)):    if ((df['Beginning'][i] == 'N') and (df['Beginning'][i+1] == 'N')):        df['Message'][i] = df['Message'][i]  +  df['Message'][i+1]        df['Message'][i+1] = ""尝试编辑以添加示例：消息开始现在 01:01:2018:12:15:28 \nbla bla 短信\n有关问题位置的详细信息\n关于别的东西的细节\n消息开始现在 01:01:2018:12:16:78 \nbla bla 短信类型 2 xxxxxx \n消息开始现在 01:01:2018:12:21:05 \nbla bla 短信类型 3 xxxxxx \n这东西的位置详细信息\n那东西的位置详细信息\n我的价格详情\n价格详情\n很多\n更多\n无聊\n文字\n消息开始现在 01:01:2018:12:35:01 \nbla bla 短信类型 2 xxxxxx \n所以上面是 4 条不同的消息，不同的长度，我想连接文本，所以每条消息都有一行，其中包含从头到尾的所有信息

Answer 1

我想你要找的是 df.shift()

例如，您可以使用以下内容替换迭代和 if 语句：

df[(df['Beginning'] == df['Beginning'].shift(1)) & (df['Beginning'] == 'N')]

或（我实际上会做什么）

mask = (df['Beginning'] == df['Beginning'].shift(1)) & (df['Beginning'] == 'N')

df.loc[mask, 'Message'] = df.loc[mask, 'Message'] + df.loc[mask, 'Message'].shift(1)  # you'd have to check that this is what you want, perhaps you need to shift the mask rather than the df, i'm not sure

编辑：哎呀，错别字

编辑 2 - 您的问题已更改，我不太确定这对您有帮助。