我正在尝试遍历大量试验并计算多个子集的加权平均值。当前，数据为长格式，带有列试验，区域得分。
trial area score
0 T106 0 0.0035435
1 T106 1 0.0015967
2 T106 4 0.0003191
3 T106 4 0.1272919
4 T288 0 0.1272883
我大约有120,000个试验，有4个领域，每个试验可能有10到100个分数，总共约700万行。我的第一个想法是在4个区域内循环遍历所有试验，构建一个临时数据框以计算分数，然后将分数添加到外部数据框：
for area in range(4):
for trial in trial_names.iloc[:,0]:
Tscore = 0
temp_trial = pd.DataFrame(trials_long.loc[(trials_long['tname'] == trial) & (trials_long['area'] == int(area))])
#match score in tria
temp_trial = temp_trial.merge(scores_df, how='left')
#sum score for all matching 'trial' +'area' #this will be weigted avrg, with >0.5 *2 and >0.9* 3
temp_trial.loc[temp_trial['score'] > 0.9, ['score']] *= 3 #weight 3x for …