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，每一行由 \n 字符分隔。

在每条唯一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。我已将这个 # (Y) 或不 (N) 的出现放在单独的列中，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。暂时忽略任何删除 \ns 的愿望，我已经解决了。

我的循环可以工作，但我怎样才能使用 lambda 函数或任何其他方式来获得良好的加速？

提前致谢

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：

消息开始时间 01:01:2018:12:15:28 \n

bla bla 短信\n

关于问题位置的详细信息\n

其他方面的细节\n

消息开始时间 01:01:2018:12:16:78 \n

bla bla 短信类型 2 something xxxxxx \n

消息开始时间 01:01:2018:12:21:05 \n

bla bla 短信类型 3 something xxxxxx \n

这件事的详细位置\n

那个东西的详细位置\n

我的价格详情\n

为您提供价格详情\n

很多\n

更多\n

无聊\n

文字\n

消息开始时间 01:01:2018:12:35:01 \n

bla bla 短信类型 2 something 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，您可以将迭代和 if 语句替换为以下内容：

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

或者（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 - 你的问题已经改变，我不太确定这会对你有帮助。