基于列表理解的加速功能

Question

我正在尝试为每个用户获取15个最相关的项目，但是我尝试的每个功能都花了很长时间。（超过6个小时后，我将其关闭了...）

我有418个独特用户，3718个独特项目。U2tfifd dict也有418个条目，并且tfidf_feature_names中有32645个单词。我的interacts_full_df的形状是（40733，3）

我试过了 ：

  def index_tfidf_users(user_id) : 

    return [users for users in U2tfifd[user_id].flatten().tolist()]

def get_relevant_items(user_id):

    return sorted(zip(tfidf_feature_names, index_tfidf_users(user_id)), key=lambda x: -x[1])[:15]

def get_tfidf_token(user_id) : 

    return [words for words, values in get_relevant_items(user_id)]

然后 interactions_full_df["tags"] =  interactions_full_df["user_id"].apply(lambda x : get_tfidf_token(x))

或者

def get_tfidf_token(user_id) : 

    tags =  []

    v = sorted(zip(tfidf_feature_names, U2tfifd[user_id].flatten().tolist()), key=lambda x: -x[1])[:15]

    for words, values in v :

        tags.append(words)

    return tags

或者

def get_tfidf_token(user_id) : 

    v = sorted(zip(tfidf_feature_names, U2tfifd[user_id].flatten().tolist()), key=lambda x: -x[1])[:15]

       tags =  [words for words in v]

    return tags

U2tfifd是具有键= user_id，值=数组的字典