Python Dataframe-在另一个数据帧中优化id搜索

下面给出了一个场景

我有两个数据帧，称为订单和客户

我想查看OrderDataFrame中的CustomerID在Customer Dataframe的LinkedCustomer列中的位置。LinkedCustomers字段是CustomerID的数组

orders数据框包含大约5.800.000个项目。 客户数据框包含大约180000个项目

我正在寻找一种优化以下代码的方法，因为这段代码运行速度很慢。我怎样才能加快速度

#演示数据——在真实场景中，该数据是从csv-/json文件读取的。
orders=pd.DataFrame（{'custId'：[1,2,3,4]，'orderId'：[2,3,4,5]}）
customers=pd.DataFrame（{'id'：[5,6,7]，'linkedCustomers'：[{1,2}，{4,5,6}，{3,7,8,9}]}）
def getMergeCustomerID（行）：
customerOrderId=行['custId']
searchMasterCustomer=customers[customers['linkedCustomers'].str.contains（str（customerOrderId））]
searchMasterCustomer=searchMasterCustomer['id']
如果len（searchMasterCustomer）>0：
返回搜索主客户
其他：
返回客户订单
orders['newId']=orders.apply（lambda x:getMergeCustomerID（x），axis=1）
#预期结果
custId orderId newId
1        2        5
2        3        5
3        4        7
4        5        6

我认为在某些情况下，这种方法可以解决您的问题： 先编一本字典

myDict = {}
for i,j in customers.iterrows():
    for j2 in j[1]:
        myDict[j2]=j[0]

然后使用字典创建新列：

orders['newId'] = [myDict[i] for i in orders['custId']]

---

虽然这可以解决您的问题（加快您的程序），但这并不是最通用的解决方案。欢迎提供更好的答案

为什么不干脆把这两个表合并起来，然后用it@ErikK我有一个类似的问题：我必须合并两个表：第一个表的每个Id与第二个表的较小Id中的最大Id相对应。你知道在线性/合理的时间内做这件事的方法吗？[您希望我提出一个单独的问题吗？]在我的情况下，ID是时间戳并且是有序的，我希望将我的表1与实现并存储在表2上的最后一次测量相匹配。原始匹配是O（N*M），一个合适的算法应该是O（N+M）@jimifiki如果这些表来自数据库，为什么不在那里执行oin，然后导出到pandas呢。熊猫是超级慢相比，数据库已经优化了所有这类工作，并写在Cthanks为您的帮助。我稍微修改了你的代码

python orders['newId']=[myDict[i]如果我在myDict.keys（）中，则为我在orders['id']中没有其他值]