基于数据帧中的一对列从辅助表中查找交点的最有效方法是什么？

Question

我在熊猫中有3个数据帧：

UserItem是用户选择的用户和项目的数据框架，有两列，即User和Item

UserTag是一个包含用户和标记的数据框架，有两列，即用户和标记

ItemTag是项目和标记的数据框架，有两列，项目和标记

UserItem_df = pd.DataFrame({'user': ['A', 'B', 'B']      ,  'item': ['i', 'j', 'k']})
UserTag_df  = pd.DataFrame({'user': ['A', 'B']           ,  'tag' : ['T', 'R']})
ItemTag_df  = pd.DataFrame({'item': ['i', 'j', 'k', 'k'] ,  'tag' : ['T', 'S', 'T', 'R']})

我想为UserItem中的每个（user，item）对计算该用户的标记与该项的标记的交叉点（以及并集！）的大小

Answer_df = pd.DataFrame({'user': ['A', 'B', 'B']  , 'item': ['i', 'j', 'k'], 'intersection':  [1, 0, 1], 'union' : [1, 2, 2]})

最有效的方法是什么？这些数据帧有3000万行（UserItem_df），另外两个数据帧大约有500万行。所有可能（用户、项目）对的乘积集大约为300亿-我不需要所有可能对的交集和并集，只需要UserItem数据框中的那些

Answer 1

使用：

# step 1:
df1 = pd.merge(UserItem_df, UserTag_df, on='user')

# step 2:
df2 = pd.merge(UserItem_df, ItemTag_df, on='item')

# step 3
df3 = pd.concat([df1, df2], ignore_index=True)

# step 4
df3 = (
    df3.groupby(['user', 'item'])['tag']
    .agg(intersection='count', union='nunique')
    .reset_index()
)
df3['intersection'] -= df3['union']

步骤：

# step 1: df1
  user item tag
0    A    i   T
1    B    j   R
2    B    k   R

# step 2: df2
  user item tag
0    A    i   T
1    B    j   S
2    B    k   T
3    B    k   R

# step 3: df3
  user item tag
0    A    i   T
1    B    j   R
2    B    k   R
3    A    i   T
4    B    j   S
5    B    k   T
6    B    k   R

# step 4: df3
  user item  intersection  union
0    A    i             1      1
1    B    j             0      2
2    B    k             1      2