基于python中的两列优化合并

我有两个数据帧：

df1 = pd.DataFrame({ 'message' : (["hi","hi","hello?","bye","are you there?","how are you?"]),
                     'serial' : ([14,12,13,13,14,14]),
                     'messageOrder': (1,1,1,2,3,2)})

df2 = pd.DataFrame({ 'message' : (["hi","hi","hello?","bye","are you there?","how are you?"]),
                    'B' : pd.Timestamp('20130102'),
                    'D' : np.array([3] * 6,dtype='int32'),
                    'serial' : ([14,12,13,13,14,14])})

我正在寻找将messageOrder列从df1合并到df2的最佳方法（df2还有许多列我没有包括在示例中）。我想遍历所有行，然后：

• 验证df1和df2中两行之间的“串行”是否相同
• 根据内容匹配“消息”列

有没有一种优雅的方法可以做到这一点

---

数据帧有14000行长，每个“序列”有1-20个值。

df1.merge（df2）

？df1和df2之间的行顺序不一样，如果不比较内容，我无法仅根据“序列”判断“messageOrder”是什么，在许多情况下，不同“序列”中的内容是相同的列：）行的顺序无关紧要

pandas.merge

默认情况下。有趣的是，当我尝试df1.merge（df2）时，表中只保留了一小部分（14000个表中的400个），当我尝试df1.merge（df2，on='serial'）时，行数变为37105。我怎样才能避开这件事？