Python 如何加速这个嵌套循环（按日期索引？）

数据集如下所示：

电子邮件事件\u日期事件\u类型
0 4867784685125632 2015-10-26 21:38:03.911350已交付
15352432066363392 2015-10-26 21:37:57.871980交付
2 6024938649550848 2015-10-26 21:37:57.853210购买
3 6191500064980992 2015-10-26 21:37:58.867800已交付
4 4867784685125632 2015-10-28 21:37:56.331130购买

实际上，有许多行共享一个哈希电子邮件（email）值。对于event type=delivered的每一行，我需要计算event_type=purchase共享相同电子邮件地址并在原始行中日期后5天内发生的行数

我已经找到了一种方法来实现这一点，我将此df拆分为单独的交付和购买的数据帧，然后使用嵌套循环来搜索这两个数据帧——但这确实是低效的，而且需要花费很长时间

attributed_采购=[]
计数=0
对于idx_e，delivered.iterrows（）中的第_e行：
purch=0
rev=0
对于购买的.iterrows（）中的idx\u p行，请执行以下操作：
如果已送达。loc[idx_e，'email']！=已购买。loc[idx_p，'电子邮件']：
通过
elif（purchased.loc[idx_p，'事件日期']>=Delived.loc[idx_e，'事件日期']）和purchased.loc[idx_p，'事件日期']在不了解更多具体要求的情况下很难实现，但有一些高级建议-

在内部循环中找到购买数据后，使用
break
，这样就不会不必要地处理所有剩余的项目
在交付完成时清理采购列表，使其随着时间的推移而缩小，并且外部循环的未来迭代不会处理已经归属的项目
尽管如此，根据我的评论，我仍然认为简单的单循环方法会更有效率，要处理一封电子邮件中的多个可能重叠的购买，您只需要将它们存储为一个列表（
defaultdict（list）
用于方便），并在运行时管理这些列表。这也确保了一次交付不会满足多次购买，尽管如果需要，只需将整个
try
块更改为
count+=bool（挂起[ehash]）

导入日期时间
从集合导入defaultdict
电子邮件=（（e[0]，datetime.datetime.strtime（e[1]，“%Y-%m-%d”），e[2]）
对于e-in(
（1，'2019-01-01'，'delivered'），#忽略，未事先购买
（1，'2019-01-02，'purchase'），
（1、‘2019-01-03’、‘购买’，
（1，'2019-01-04'，'delivered'），#匹配[1]，计数==1
（1、‘2019-01-05’、‘购买’，
（1，'2019-01-06'，'delivered'），#匹配[2]，计数==2
（1，'2019-01-20'，'delivered'）#忽略，距离上次购买时间太长
)
)
计数=0
挂起=默认dict（列表）
对于已排序（电子邮件，key=lambda e:e[1]）中的（ehash、日期、状态）：
#记录等待交货的采购
如果状态==“购买”：
挂起[ehash]。追加（日期）
elif状态==“已交付”：
#清除此电子邮件超过5天的任何购买
挂起的[ehash]=[p_日期对于挂起的[ehash]中的p_日期
如果p_date>date-datetime.timedelta（天=5）]
#然后是下一个最旧的（为什么要这样分割数据并首先使用嵌套循环？如果只循环最旧最新的数据，则无需任何内部循环即可满足要求。跟踪哪个
purchase
尚未在dict
{email:date purchased}中交付匹配的
，然后当您找到交付时，
del
从该目录中删除它。如果该交付恰好在5天内，则增加计数器。如果有任何完全未交付的，它们将在目录中累积，但您始终可以每5000个循环对其执行一次清理操作，或者根据需要执行任何有意义的操作。问题在于一个电子邮件地址可能会有许多与之相关的购买，因此我不能将散列的电子邮件用作字典键。有什么想法吗？
import datetime
from collections import defaultdict

emails = ((e[0], datetime.datetime.strptime(e[1], '%Y-%m-%d'), e[2])
    for e in (
      (1, '2019-01-01', 'delivered'),  # ignored, no prior purchase
      (1, '2019-01-02', 'purchase'),
      (1, '2019-01-03', 'purchase'),
      (1, '2019-01-04', 'delivered'),  # matches [1], count == 1
      (1, '2019-01-05', 'purchase'),
      (1, '2019-01-06', 'delivered'),  # matches [2], count == 2
      (1, '2019-01-20', 'delivered')   # ignored, too long since last purchase
    )
)
count = 0
pending = defaultdict(list)

for (ehash, date, status) in sorted(emails, key=lambda e: e[1]):

    # record a purchase awaiting delivery
    if status == 'purchase':
        pending[ehash].append(date)

    elif status == 'delivered':
        # purge any purchases for this email > 5days old
        pending[ehash] = [p_date for p_date in pending[ehash]
                         if p_date > date - datetime.timedelta(days=5)]

        # then the next oldest (<5days) also deleted, and increments the count
        try:
            del pending[ehash][0]
            count += 1
        except IndexError:
            pass # No valid purchase for this delivery

print(count)