pandas如何高效匹配两个数据表

Question

我有两个数据表，s1是100万的商品数据，s2是4000的品牌数据，任务是给商品数据里打上品牌标签，我用pandas处理

def matchStr(x):
    s = s1[s1["product_name"].str.contains(x,na=False)]
    #然后给s添加一列品牌名就好

s2["brand_name"].apply(matchStr) 

这样做可以实现，但是平均处理一个品牌名是3秒左右，4000个要3个多小时才能完成，请问如何更高效的处理这个啊

Answer 1

先笛卡尔积s1['product_name']和s2['brand_name']，设为结果为df则：

df[df['brand_name'].isin('product_name')]

为结果。这样子可能会调用内部优化快一点，可以试试。

具体如何在pandas里做笛卡尔积可以参考这个答案。