关于提升pandas执行效率的问题

我有以下的数据，导入到pandas的same_freq_ho_pd里面了（有389行），想根据d_eci查找，修改d_mod3_value的值，修改后还有统计等功能。我先用下面的代码对d_eci的行生成一个列表。然后根据这个列表去作为loc的依据进行赋值。#生成某个d_eci的所在行清单
d_eci_dic={}
def fuzhi_d_flage(d_cell,cell):
    if d_cell==cell:
        return True
    else:
        return False
for i in range(0,cell_num):
    eci = plan_site_pd.iloc[i, 2]
    d_eci_df=same_freq_ho_pd.apply(lambda x: fuzhi_d_flage(x.d_eci, eci), axis=1)
    d_eci_dic[eci]=d_eci_df
然后用下面对same_freq_ho_pd的赋值操作：
same_freq_ho_pd.loc[d_eci_dic[cell1],"d_mod3_value"] = cell1_mod3     

能够执行，但感觉速度比较慢，因为我这个赋值会要操作几万-几百万次，所以希望速度能够尽量加快，不知道各位高手有没有建议！

	s_eci	d_eci	ho_num	pci_x	pci_y	s_mod3_value   \	d_mod3_value
0	2168271	2132511	0	347	55	2	1
1	2168271	2132512	0	347	54	2	0
2	2168271	2133371	1757.167	347	21	2	0
3	2168271	2133372	187.3333	347	23	2	2
4	2168271	2158461	0	347	63	2	0
5	2168271	2158511	0	347	70	2	1
6	2168271	2158512	0	347	71	2	2
7	2168271	2168171	0	347	279	2	0
8	2168271	2168172	527.8333	347	280	2	1
9	2168271	2168272	4492.167	347	345	2	0
10	2168271	2170611	320	347	321	2	0
11	2168271	2170612	1748.167	347	322	2	1
12	2168271	2170613	1	347	323	2	2
13	2168271	2216893	0	347	336	2	0
14	2168271	2252181	49.33333	347	96	2	0
15	2168271	2252183	19.16667	347	98	2	2
16	2168271	2252381	34.33333	347	331	2	1
17	2168271	2252383	0	347	330	2	0
18	2168271	2252521	0	347	31	2	1
19	2168271	2252541	1373.5	347	318	2	0
20	2168271	2252542	73145.5	347	319	2	1
21	2168271	2257772	0	347	177	2	0
22	2168271	420781131	5946.833	347	189	2	0
23	2168271	420781132	137.5	347	190	2	1
24	2168271	420781133	0	347	188	2	2
25	2168272	2132511	14.5	345	55	0	1
26	2168272	2132512	465.6667	345	54	0	0
27	2168272	2133322	0	345	73	0	1

能详细描述一下要求吗？比如“想根据d_eci查找”查什么？

我的目的是上面表格里面，查找d_eci列为中某个值（cell3），将其对应的d_mod3_value列设置为特定的值（ cell3_mod3）。
并且这个查找和和赋值的次数非常多，要反复进行，十几万到百万次。
主要是速度不够快，希望能够提升执行的效率。
我开始用apply来完成这个功能，但速度偏慢 。
same_freq_ho_pd["d_mod3_value"] = same_freq_ho_pd.apply(lambda x: fuzhi_mod3(x.d_eci, cell3, cell3_mod3), axis=1)
然后用先将d_eci列中给每个值简历一个列表，用这个列表来辅助定位，赋值，如下：
same_freq_ho_pd.loc[d_eci_dic[cell3], "d_mod3_value"] = cell3_mod3
速度是快了近3倍，但还是远达不到我的期望。
因为我用vba来写这个功能，速度都比这个快了至少6倍。

上面说的“然后用先将d_eci列中给每个值建立一个列表”里面就是对应这一行是否为这个值，如果是就是TRUE，否则为false。
将列表放到d_eci_dic字典里面。代码如下：
d_eci_dic={}
def fuzhi_d_flage(d_cell,cell):
    if d_cell==cell:
        return True
    else:
        return False
for i in range(0,cell_num):
    eci = plan_site_pd.iloc[i, 2]
    d_eci_df=same_freq_ho_pd.apply(lambda x: fuzhi_d_flage(x.d_eci, eci), axis=1)
    d_eci_dic[eci]=d_eci_df

做表连接再操作快点。先看看10 Minutes to pandas了解一下基本操作，尽量用pandas自带的方法。

sheeboard 发表于 2019-6-1 07:43
做表连接再操作快点。先看看10 Minutes to pandas了解一下基本操作，尽量用pandas自带的方法。 ...

谢谢指导。
文档我看了，但是没有我需要的内容。
我的需求很简单：
比如找出表格中d_eci=2132511的所有行，将其对应的d_mod3_value列值改为1或其他值。
类似的操作我要操作十几万到几百万次。所以速度很重要，但是我发现执行的很慢，还没有VBA快。

参考

sheeboard 发表于 2019-6-1 21:45
参考

你的方法我试了，跟我现在的方法速度差不多。还是不够快呀！
有没有更快的方法呢？

from pandas.util.testing import test_parallel

@test_parallel(num_threads=2)
def t2():
    df.loc[df['d_eci']==213251,'d_mod3_value']=100

t2()

试试并发运行呢。