python - 当在每一行中需要使用整个数据进行比较时，在 Pandas 中使用矢量化

Question

我在下面有一个联系方式。

    mobile      email           contact_code index_clone contact_day
0   0972135314  abc@gmail.com   1            0           9/26/2018
1   0972135314  cde@gmail.com   2            1           9/26/2018
2   0943360092  cmt@gmail.com   3            2           9/25/2018
3   0988870766  def@gmail.com   4            3           9/24/2018
4   0972135314  cmt@gmail.com   5            4           9/27/2018

我需要创建一个名为“用户”的新列。用户列从联系人代码中获取数据，如果联系人具有相同的手机或相同的电子邮件，则他们是同一用户，这些联系人的用户值为最小的联系人代码。

例如:第 4 行:手机为 0972135314，因此它匹配第 0 行和第 1 行，电子邮件为 cmt@gmail.com，因此它匹配第 2 行。所有 3 个匹配行的 contact_code 为 {1,2,3}，因此第 4 行的用户列为1、最小值。

问题是，我需要遍历每一行以找到匹配的行，获取 contact_code 列表并将最小值分配给 user 列。所以 Pandas 跑得很慢。我怎样才能使这个过程更快？这是我的代码。

for idx in data.index:
    data.set_value(idx,"user",min(data.loc[(data["index_clone"] <= idx) & ((data["mobile"] == data.get_value(idx,"mobile")) | (data["email"] == data.get_value(idx,"email"))),"contact_code"]))

*更新:感谢 w-m 和 jpp 的回答。但我还有另一个问题。每行都有一个 contact_day 列，这是联系的日期。例如，用户 1 有 3 个联系人行(第 0、1 和 4 行)。第 0 行的 contact_day 和第 1 行的联系日是 09/26/2018，第 4 行的 contact_day 是 09/27/2018。所以第 0 行和第 1 行“轮到”列是 1，第 4 行“轮到”是 2。如何在不遍历每一行的情况下轮到用户的联系人？

Answer 1

您可以分别获取每组手机的最小 contact_code，然后是每组电子邮件:

min_mobile_cc = df.groupby("mobile").contact_code.transform(np.min)
min_email_cc = df.groupby("email").contact_code.transform(np.min)

对于数据中的每一行，这将存储他们的原始 contact_code，或同一手机/电子邮件组中任何其他行的最小联系人代码。

准备好之后，您可以在移动和电子邮件组之间选择全局最小联系代码:

df["user"] = np.minimum(min_mobile_cc, min_email_cc)