python - 如何优化/加快迭代 Dataframe 并从另一个 Dataframe 匹配/获取数据？

Question

我有一些有效的代码，但我一直在寻找优化功能并使其更快的方法。当我运行此代码时，在我的计算机上完成最多可能需要 2 个小时。我正在使用两个数据框：一个大型 DF，其中包含超过 100 万行带有 SKU 编号、价格等的汽车零件；正如您在代码示例中看到的那样，我正在从具有超过 300k 行的 CSV 表中读取数据。

这是我的代码：

npw_inventory = pd.read_csv('inventory/npw.csv', low_memory=False)
count = 0

for _, row in pw.iterrows():
        if row['CS-SKU-NP'][5:] in npw_inventory['SKU'].values:
                matched_npw = npw_inventory.loc[npw_inventory['SKU'] == row['CS-SKU-NP'][5:]]
                min_qty = matched_npw['Min_order_Qty']
                core = matched_npw['Core_cost']
                row['MinPrice'] = (row['MinPrice'] + core) * min_qty
                count += 1 
print(count)

我要回答的是：1）这是最有效的方法吗？，以及 2）我怎样才能减少运行此代码所需的时间？

数据：

pw

{'WD'：'A'，'LC'：'WGL'，'MasterLC'：307.0，'零件编号'：'H6545BL'，'MasterSKU'：'307|H6545BL'，'重量'：2.0，'DimWeight '：2.0，'ShipWeight'：2.0，'Length'：7.0，'Width'：5.0，'Height'：5.0，'Total'：27.0，'DIM'：175.0，'UPC'：'042723936655'，'Qty '：0，'CS-SKU'：'AWGL|H6545BL'，'CS-SKU-NP'：'AWGL|H6545BL'，'MinPrice'：11.53，'Shipping'：nan，'Carrier'：nan，'Service '：nan，'Markup'：nan，'ShipMkup'：nan，'ListMkup'：nan，'PackQty'：1.0，'MinQty'：nan，'MaxQty'：nan，'邮政编码'：90746.0，'CatSKU' ：南，'OP-最低（Y）'：南，'VND-最低（Y）'：南，“MinMkDown”：南，“MaxMkUp”：南，“间隔”：南，“BundleSKU”：南，“重复”：南}

npw.csv

{'Line_code'：'3MM'，'SKU'：'00379'，'SKU_noDS'：'00379'，'Stock_1'：0，'Stock_11'：0，'Stock_12'：0，'Stock_13'：0，' Stock_15'：25，'Stock_16'：0，'Stock_18'：0，'Stock_19'：0，'Stock_2'：0，'Stock_3'：0，'Stock_4'：0，'Stock_7'：0，'Stock_89' ：0，“Stock_9”：0，“Stock_VIC-94”：0，“成本”：90.36，“核心成本”：0.0，“最小订单数量”：1}

基本上发生的事情是我正在运行一个 Jupyter 笔记本的脚本。它加载pw文件并对定价和运输进行各种更改。对于这个特定的部分，我将 SKUpw与 SKU 进行匹配npw_inventory以获得Core_cost和Min_order_Qty. 在pw我添加匹配core的MinPriceSKU 并将其乘以min_qty.

标签： pythonpandas