python適合向量計算

之前寫工廠進出日誌配對的python程式，工廠日誌的進出是不同筆記錄，進去刷一筆，出來刷一筆，故需要配對，找出只有刷進沒有刷出的，或只有刷出沒有刷進的。但問題在之前寫的程式太慢，因為是用for loop從第一筆往後掃描配對(已經按時間排序好)，python在處理距陣運算或兩筆超長向量互相比較很快，但for loop就超慢，故我再將程式改成向量比較方式，使得1.3Mega筆資料只需數秒就比較完(若用for loop約需10倍的時間)。

#資料表df先按時間排序，再按卡號排序
df = df.sort_values(by='origitime').sort_values(by='cardno',kind='mergesort')

#將進出欄，附加日期和卡號，從df資料表複製成一向量a
a = np.array(df[['io','date','cardno']])

#將進出欄，附加日期和卡號，複製成一向量b，但從第二列開始複製，最後再加一列0，湊成和a的維度一樣
b = np.array(df[['io','date','cardno']].iloc[1:,:])
b = np.append(b,[[0,0,0]],axis=0)

#作Boolean計算，a每一維元素是否進，b每一維元素是否出，a和b的同維元素其它資料是否相等，最後結果是Boolean向量
result = (a[:,0] == 1) & (b[:,0] == 2) & (a[:,1] == b[:,1]) & (a[:,2] == b[:,2])

#result的後一個值和前一個值作or計算，但用向量or
result2 = result[1:] | result[:-1]

#剛才的向量or，第一個值無法和前一個值計算，故直接原狀態補進來
df['result'] = result[0]

#將剛才的向量or結果放回去資料表df，從第2筆記錄開始放。
df['result'].iloc[1:] = result2

#df['result']結果是True的該筆資料代表可以成功配對，False代表不行。