.apply()替代for循环减少处理数据时间

 目的是希望讲时间对其，开始写for循环，差不多30分钟，然后用apply后

a=[]
d=[]
df1=pd.DataFrame(None,columns=['datetime','IO_2008',])
for i in range(len(IO_Values[id[0]])):
    aa=IO_Values[id[0]][i][1]
    tm=IO_Values[id[0]][i][0].timetuple()
    dd=time.mktime(tm)
    bb=dd-(dd%30)
    cc=time.strftime("%Y-%m-%d %H:%M:%S",time.localtime(bb))
    df1=df1.append({'datetime':cc,'IO_2008':aa},ignore_index=True)

 

时间最后缩短为8S！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

虽然代码不是很复杂，但是缩短了很多时间，开心。

for i in range(len(df2008)):
    if df2008['IO_2008'].isnull()[i] == True:
        df2008['IO_2008'][i] = df2008['IO_2008'][i-1]

还有一个，我想用上一个数据填充，写个判断循环，后来发现

df.ffill()

直接就可以，我的天，哭了