Python 在数据帧上循环以对另一个数据帧进行上限和求和

我试图使用来自df1的条目来限制df2中的金额，然后根据它们的类型将它们相加，并在df3中汇总。我不知道如何获得它，使用iterrows的for循环是我最好的猜测，但它并不完整

代码：

---

通过广播到2d数组a，使用numpy将所有值与大写金额进行比较，然后通过构造函数使用每列总和创建数据帧，并通过和进行转置

对于聚合列，用于具有以下内容的第一列：

---

通过广播到2d数组a，使用numpy将所有值与大写金额进行比较，然后通过构造函数使用每列总和创建数据帧，并通过和进行转置

对于聚合列，用于具有以下内容的第一列：

---

这是我没有numpy的解决方案，但是它比@jezrael的解决方案慢两倍，10.5ms比5.07ms

limcols= df1.Caps.to_list()
df2=df2.reindex(columns=["Amounts","Type"]+limcols)

df2[limcols]= df2[limcols].transform( \
                  lambda sc: np.where(df2.Amounts.le(sc.name),df2.Amounts,sc.name))

# Summations:
g=df2.groupby("Type")
df3= g[limcols].sum()
df3.insert(0,"Total", g.Amounts.sum())

# Renaming columns:
c_dic={ lim:f"{lim:.0f}limit" for lim in limcols}
df3= df3.rename(columns=c_dic).reset_index()

# Cleanup:
#df2=df2.drop(columns=limcols)

---

这是我没有numpy的解决方案，但是它比@jezrael的解决方案慢两倍，10.5ms比5.07ms

limcols= df1.Caps.to_list()
df2=df2.reindex(columns=["Amounts","Type"]+limcols)

df2[limcols]= df2[limcols].transform( \
                  lambda sc: np.where(df2.Amounts.le(sc.name),df2.Amounts,sc.name))

# Summations:
g=df2.groupby("Type")
df3= g[limcols].sum()
df3.insert(0,"Total", g.Amounts.sum())

# Renaming columns:
c_dic={ lim:f"{lim:.0f}limit" for lim in limcols}
df3= df3.rename(columns=c_dic).reset_index()

# Cleanup:
#df2=df2.drop(columns=limcols)

---

如何计算a的25limit和100limit？我查找df2中所有对应于“a”的值，主要是45和85，然后将它们相应地限制为25和100，并将它们相加。25+25=50表示25个极限，45+85=130表示100个极限。如何计算a的25个极限和100个极限？我在df2中查找所有对应于“a”的值，主要是45和85，然后将它们相应地限制为25和100，并将它们相加。因此25+25=50表示25极限，45+85=130表示100极限。

df1['Caps'] = df1['Caps'].astype(int)
df2['Amounts'] = df2['Amounts'].astype(int)

am = df2['Amounts'].to_numpy()
ca = df1['Caps'].to_numpy()
#pandas below 0.24
#am = df2['Amounts'].values
#ca = df1['Caps'].values
a  = np.where(am <= ca[:, None], am[None, :], ca[:, None])

df1 = (pd.DataFrame(a,columns=df2['Type'],index=df1['Caps'])
         .sum(axis=1, level=0).T.add_suffix('limit'))
df1.insert(0, 'Total', df2.groupby('Type')['Amounts'].sum())
df1 = df1.reset_index().rename_axis(None, axis=1)
print (df1)
  Type  Total  25limit  50limit  100limit
0    a    130       50       95       130
1    b    195       75      125       190
2    c     35       25       35        35
3    d     80       25       50        80

limcols= df1.Caps.to_list()
df2=df2.reindex(columns=["Amounts","Type"]+limcols)

df2[limcols]= df2[limcols].transform( \
                  lambda sc: np.where(df2.Amounts.le(sc.name),df2.Amounts,sc.name))

# Summations:
g=df2.groupby("Type")
df3= g[limcols].sum()
df3.insert(0,"Total", g.Amounts.sum())

# Renaming columns:
c_dic={ lim:f"{lim:.0f}limit" for lim in limcols}
df3= df3.rename(columns=c_dic).reset_index()

# Cleanup:
#df2=df2.drop(columns=limcols)