降低python中嵌套循环的时间复杂度

这是我的密码。它需要17个小时才能完成。你能建议其他代码来减少计算时间吗

# test algorithm1 - fuzzy
matched_pair = []
for x in dataset1['full_name_eng']:
    for y in dataset2['name']:
        if (fuzz.token_sort_ratio(x,y) > 85):
            matched_pair.append((x,y))
            print((x,y))

我尝试了不同的方法，但没有成功

数据集1-10行， 数据集2-1M行，

---

fuzz.token_sort_ratio（x，y）-是一个函数，它接受2个参数（2个字符串）并输出整数-这2个字符串的相似性

，因为这里没有真正使用数据帧，所以我将仅处理以下两个列表：

导入字符串
随机输入
随机种子（18）
dataset1=[''.join（random.choice（string.ascii_小写+''）表示范围内的u（random.randint（13,20）），表示范围内的s（1000）]
dataset2=[''.join（random.choice（string.ascii_小写+''）表示范围内的u（random.randint（13,20）），表示范围内的s（1000）]

将这两个列表与您使用fuzzyfuzzy提供的代码一起使用。作为第一个更改，您可以使用（我是作者）这基本上与fuzzyfuzzy相同，但速度要快得多。当使用我的测试列表时，速度大约是您的代码的7倍。另一个问题是，当使用fuzz.token\u sort\u ratio时，字符串总是小写的，例如标点符号被删除。虽然这对字符串匹配很有意义，但您多次这样做r列表中的每个字符串，当处理较大的列表时，这些字符串相加。在这些列表上使用RapidFuzz和只预处理一次的速度大约是原来的14倍

从rapidfuzz导入fuzz，utils
dataset2_processed=[utils.default_进程（x）用于dataset2中的x]
dataset1_processed=[utils.default_进程（x）用于dataset1中的x]
匹配的_对=[]
对于word1，在zip中处理word1（数据集1，数据集1已处理）：
对于word2，在zip中处理word2（数据集2，数据集2已处理）：
如果fuzz.token\u sort\u ratio（字1\u已处理，字2\u已处理，处理器=无，分数\u截止=85）：
匹配的\u pair.append（（word1，word2））

您能提供更多详细信息吗？什么是数据集1？它有多大？您能发布该数据的样本数据吗？什么是模糊？拆分列表并并行处理。请参阅。请参阅，我已编辑了问题-添加了一些详细信息。您可以查看位置敏感哈希（LSH）为更快的相似字符串搜索。谢谢！一个较弱的算法，但快5倍！