我很难想出正确的查询来获取我需要的数据，我想知道它是否可以使用 SQL 实际完成，或者我是否应该在 Python 中处理它。

我的第一个表（api_results）看起来像这样

第二个（historical_data）看起来像这样，不包括不相关的列。

我正在尝试获取 api_results 中每个股票代码的 api_results.date 日期，并查看 api_results 中每个股票代码在 10 天内的变化总和。非动态查询如下：

SELECT ticker, Date,  sum(change) as change FROM
(
    SELECT change, ticker, Date FROM historical_data
    WHERE ticker = 'T' AND date >= '2013-12-13 00:00:00'
    limit 10
)

哪个返回

结果是正确的，但是我怎样才能对 api_results 中的每个日期代码对做同样的事情。这个想法是将函数应用于表的每一行。我会在 Python 中做的是：

import sqlite3
from config import db_path
import pandas as pd

connection = sqlite3.connect(db_path)
cursor = connection.cursor() 

historical_data = pd.read_sql("SELECT Date, Ticker, Change from historical_data", connection)

api_results = cursor.execute("SELECT ticker, date from api_results").fetchall()

data = []

for ticker, date in api_results:
    index = list(historical_data['Date'].index(date))
    data.append(historical_data.iloc[index:index+10]['Change'].sum())

这似乎工作得很好，但它需要的时间太长了。两个小时后，循环仍在进行。请注意，历史数据有 100 万多行数据和 30 列。

我是否应该在 Python 中找到一种更好的方法，例如对历史数据进行矢量化处理，或者甚至只是构建一个数据框并适当地改变更改，或者这可以使用 SQL 来完成吗？感谢您的时间和帮助。