使用Pandas数据框提高Python循环的性能

Question

请考虑以下DataFrame df：

timestamp    id        condition

             1234      A    

             2323      B

             3843      B

             1234      C

             8574      A

             9483      A

基于列条件中包含的条件，我必须在此数据框中定义一个新列，该列计算该条件中有多少个id。但是，请注意，由于DataFrame是由timestamp列排序的，因此可能会有多个具有相同id的条目，然后简单的.cumsum（）并不是可行的选择。

我已经给出了以下代码，该代码可以正常运行，但是速度非常慢：

#I start defining empty arrays

ids_with_condition_a = np.empty(0)

ids_with_condition_b = np.empty(0)

ids_with_condition_c = np.empty(0)

#Initializing new column

df['count'] = 0

#Using a for loop to do the task, but this is sooo slow!

for r in range(0, df.shape[0]):

    if df.condition[r] == 'A':

        ids_with_condition_a = np.append(ids_with_condition_a, df.id[r])

    elif df.condition[r] == 'B':

        ids_with_condition_b = np.append(ids_with_condition_b, df.id[r])

        ids_with_condition_a = np.setdiff1d(ids_with_condition_a, ids_with_condition_b)

    elifif df.condition[r] == 'C':

        ids_with_condition_c = np.append(ids_with_condition_c, df.id[r])

df.count[r] = ids_with_condition_a.size

保留这些Numpy数组对我来说非常有用，因为它会给出特定条件下的ID列表。我也可以将这些数组动态地放入df DataFrame中的相应单元格中。

您是否能够提出更好的性能解决方案？