Python 高效地创建频率和最近度列

这是一个非常特殊的问题-我的代码非常慢，不知道我是否做了一些明显错误的事情，或者有更好的方法

情况：我有两个数据帧，帧和联系人。frame是一个人员数据库，contacts是与这些人员的接触点。它们看起来像：

框架：

       name
id         
166     Bob
253   Serge
1623   Anna
766   Benna
981    Paul

联系人：

     id   type       date
0   253  email 2016-01-05
1  1623   sale 2012-05-12
2  1623  email 2017-12-22
3   253   sale 2018-02-15

我想在框架中添加两列，“最近”和“3年联系人计数”，这两列给出最近的联系人（如果有）和过去3年的联系人数量

机架约为100000行，触点约为95000

到目前为止，我正在减少要迭代的id数量，然后为每个id创建一个具有正确值的dict：

id_list = [i for i in frame.index if i in contacts['id']]
freq_rec_dict = {i: [contacts.loc[contacts['id']==i,'value'].max(), 
                     len(contacts.loc[(contacts['id']==i)&(contacts['value']>dt(2016,1,1))])]
                 for i in id_list}

然后，我将dict转换为数据帧并执行连接：

freq_rec_df = pd.DataFrame.from_dict(freq_rec_dict, orient='index',columns=['most_recent','3 year contact count'])
result = frame.join(freq_rec_df)

---

这确实给了我我所需要的，但字典理解花了30分钟-我觉得必须有一个更有效的方法来做到这一点，我将需要在未来。任何想法都将不胜感激-谢谢

您没有指定输出，但这里是。您应该利用内置的groupby方法，而不是将数据从帧中取出并返回到帧中，然后进行合并

contacts.groupby('id')[['date','type']].max()

        date        type
id      
253     2018-02-15  sale
1623    2017-12-22  sale

如果需要节省内存空间，可以在一行中完成。同样，您没有给出首选输出，因此我使用了左连接。您还可以使用“内部”仅保留存在记录的行

df=pd.merge(frame,contacts.groupby('id')[['date','type']].max(), left_index=True, right_index=True, how='left')

        name    date        type
id          
166     Bob     NaN         NaN
253     Serge   2018-02-15  sale
1623    Anna    2017-12-22  sale
766     Benna   NaN         NaN
981     Paul    NaN         NaN

---

虽然这并没有真正回答整个问题，但每列添加的单独groupbys是正确的-谢谢！