短路 numpy logical_and 在 pandas 系列上

Question

我创建了一个要在 pandas 数据框中使用的掩码：

 mask = np.logical_and(
                csv_df['time'].map(operator.attrgetter('hour')).isin(
                    hours_set),
                csv_df['time'].map(lambda x: x.weekday_name[:3]).isin(
                    days_set))
csv_df = csv_df.loc[mask, :]

原来这两个isin 系列的计算相当慢。它上面的方法计算两个系列，然后将它们相加 - 是否有一种（惯用的）方法来短路每个元素，因为第一个系列大多是错误的，所以我们不需要计算其他系列的元素？

Answer 1

一个想法是：

mask = csv_df['time'].dt.hour.isin(hours_set) & 
       csv_df['time'].dt.strftime('%a').isin(days_set)

如果大多数值不匹配，另一个想法是过滤第一个然后第二个：

csv_df1 = csv_df.loc[csv_df['time'].dt.strftime('%a').isin(days_set)]
csv_df2 = csv_df1.loc[csv_df1['time'].dt.hour.isin(hours_set)]