python的代码如何改进，以加快运行速度？

手头有份数据，需要根据另一份标准指标（数据有含有几个指标，每个指标都各自的等级划分，示意图如下）

我需要将手头的数据，根据这个标准值，将对应的数值全部转换成对应的等级。自己写了份代码，但是运行速度太慢（1000个数据，运行了居然2-3分钟）。。
想请问下高手们，有什么办法改进没？

具体代码如下：

for zb in list(data_std['指标']):
    for num in range(data.shape[0]):
        if zb !='DISSOLVED_O2': #某指标比较特殊，数值越大越好。其余指标是数值越小越好。因此要单独设置
            if (data[zb][num]) <= float(data_std[data_std['指标'] ==zb]['I']):
                data['%s_wq'%zb][num] = 1
            elif float(data_std[data_std['指标'] ==zb]['I']) < data[zb][num] <= float(data_std[data_std['指标'] ==zb]['II']):
                data['%s_wq'%zb][num] = 2
            elif float(data_std[data_std['指标'] ==zb]['II']) < data[zb][num] <= float(data_std[data_std['指标'] ==zb]['III']):
                data['%s_wq'%zb][num] = 3
            elif float(data_std[data_std['指标'] ==zb]['III']) < data[zb][num] <= float(data_std[data_std['指标'] ==zb]['IV']):
                data['%s_wq'%zb][num] = 4
            elif float(data_std[data_std['指标'] ==zb]['IV']) < data[zb][num] <= float(data_std[data_std['指标'] ==zb]['V']):
                data['%s_wq'%zb][num] = 5
            elif (data[zb][num]) > float(data_std[data_std['指标'] ==zb]['V']):
                data['%s_wq'%zb][num] = 6
            else:
                data['%s_wq'%zb][num] = np.NaN
        if zb =='DISSOLVED_O2':
            if (data[zb][num]) >= float(data_std[data_std['指标'] ==zb]['I']):
                data['%s_wq'%zb][num] = 1
            elif float(data_std[data_std['指标'] ==zb]['I']) > data[zb][num] >= float(data_std[data_std['指标'] ==zb]['II']):
                data['%s_wq'%zb][num] = 2
            elif float(data_std[data_std['指标'] ==zb]['II']) > data[zb][num] >= float(data_std[data_std['指标'] ==zb]['III']):
                data['%s_wq'%zb][num] = 3
            elif float(data_std[data_std['指标'] ==zb]['III']) > data[zb][num] >= float(data_std[data_std['指标'] ==zb]['IV']):
                data['%s_wq'%zb][num] = 4
            elif float(data_std[data_std['指标'] ==zb]['IV']) > data[zb][num] >= float(data_std[data_std['指标'] ==zb]['V']):
                data['%s_wq'%zb][num] = 5
            elif (data[zb][num]) < float(data_std[data_std['指标'] ==zb]['V']):
                data['%s_wq'%zb][num] = 6
            else:
                data['%s_wq'%zb][num] = np.NaN
data.head()

刚刚自己试验了下，应该成功了，在这里贴下我改进的代码。
就是循环设置函数，用apply的命令，把数值转换掉。（当然，为了简化处理，我提取了那个特殊的指标，单独处理）
谢谢刚才答复的那几位朋友~~

for n,zb in zip(range(1,d_std.shape[0]),d_std['指标'][1:]): #从第2行开始进行转换。
    def tran(y):
        if y <= d_std.loc[n]['I']:
            return 1
        elif y <= d_std.loc[n]['II']:
            return 2
        elif y <= d_std.loc[n]['III']:
            return 3
        elif y <= d_std.loc[n]['IV']:
            return 4
        elif y <= d_std.loc[n]['V']:
            return 5
        elif y > d_std.loc[n]['V']:
            return 6
        else:
            return np.NaN
    data['%s_X1'%zb] = data[zb].apply(tran)
data.head()

这句if zb =='DISSOLVED_O2':直接换成else试试

-不需要每次都做float(data_std[data_std['指标'] 这个转换，用个临时变量先保存，然后再判断；

-先把数据和指标预处理一下，最后的指标匹配，只做简单的数值比较；

还有，看不到你的数据结构，这个写法目的是啥:

float(data_std[data_std['指标'] ==zb]['I']) 

里面的

data_std[data_std['指标'] ==zb]

试一下有限状态机 ，推荐https://blog.csdn.net/gzlaiyonghao/article/details/1510688