如何在不连接两个数据帧的情况下在Python中对下面的代码进行矢量化

我有两个数据帧和多个列，如下所示

头部（df

头部（配置测向）

我想在数据帧df上应用行操作，使用下面使用apply函数的逻辑，从config_df中找到合适的容量配置id

def config_map(row):
    row = row.copy()
    return config_df.loc[(config_df['Node'] == row['SCHEDULING_DC_NBR']) & (config_df['COMMODITY_CODE'] == row['COMMODITY_CODE']) 
                          &  (config_df['APPLICABLE_DAYS'].str.contains(row['DOW'],case=False))
                          & (live_config['Window_start_time'] == row['Unload_Start_Time']),"capacity_config_id"].values[0]

尽管如此，上面的代码仍然有效，但运行起来需要很多时间。

---

我不想加入或合并这两个数据框，因为我将在上面的应用函数中做多个其他检查。我正在寻找一种方法来快速地计算这个函数。

< P>你可以考虑使用PANDA应用方法，

---

使用此功能，您可以对操作进行矢量化

请修复代码中的错误。请在粘贴之前验证它是否运行，请执行类似于

合并

@anon01的命令。抱歉，这些错误。修复了code@QuangHoang我知道我们可以合并，但我正在寻找其他选项，因为我的原始配置映射函数包含多个计算和条件语句。

Node      Window               APPLICABLE_DAYS   COMMODITY_CODE  Window_start_time  config_ID
7023.0  03:15 AM to 03:16 AM            MON         SCPR                03:15        123
7023.0  03:15 AM to 03:16 AM            THUR        SCPR                03:15        123
7023.0  03:15 AM to 03:16 AM            FRI         SCPR                03:15        123
6042.0  06:00 PM to 06:05 PM            SUN         SCPR                18:00        111
6042.0  03:00 PM to 03:05 PM            SUN         SCGR                15:00        222

def config_map(row):
    row = row.copy()
    return config_df.loc[(config_df['Node'] == row['SCHEDULING_DC_NBR']) & (config_df['COMMODITY_CODE'] == row['COMMODITY_CODE']) 
                          &  (config_df['APPLICABLE_DAYS'].str.contains(row['DOW'],case=False))
                          & (live_config['Window_start_time'] == row['Unload_Start_Time']),"capacity_config_id"].values[0]