Python 熊猫计数与条件对应的其他df中的行

我有两个dfs:df和df0

df看起来像这样：

foo bar baz
A   1   5
A   1   10
A   1   18
A   2   14
A   2   18
A   2   22
A   6   6
A   6   15

foo bar baz
A   1   0
A   2   7
A   6   5

df0如下所示：

foo bar baz
A   1   5
A   1   10
A   1   18
A   2   14
A   2   18
A   2   22
A   6   6
A   6   15

foo bar baz
A   1   0
A   2   7
A   6   5

在两个dfs中，foo可以采用除A以外的其他值

我想向df的每一行添加df0的行数，其中row.foo==df0.foo和row.bar=df0.baz

因此，产出将是：

foo bar baz n
A   1   5   0
A   1   10  2
A   1   18  2
A   2   14  1
A   2   18  1
A   2   22  1
A   6   6   0
A   6   15  0

我在下面有一个工作版本，但它在df上迭代，这本身就很慢~30次迭代/秒，df可以有数百万行。是否有一种矢量化/更快的方法来实现同样的目标

rows = []

for row in df.itertuples():
     rows.append([row.baz, row.foo, row.bar, len(df0.loc[(row.bar < df0.bar) & (row.baz >= df0.baz) & (row.foo == df0.foo)])])

df = pd.DataFrame(rows, columns=["baz", "foo", "bar", "n"])

---

我们可以通过外部合并来实现这一点。然后检查您的条件，最后使用GroupBy.sum获取n列：

---

我们可以通过外部合并来实现这一点。然后检查您的条件，最后使用GroupBy.sum获取n列：

---

第三排是如何得到n=4的？@Erfan-oops。我用df本身而不是df0计算输出。错误现在应该已经纠正了。第三排的n=4是怎么得到的？@Erfan-oops。我用df本身而不是df0计算输出。错误现在应该已经纠正了。谢谢，那要快得多。我不知道为什么我自己没想到，一点也不复杂。谢谢，那要快得多。不知道为什么我自己没想到，一点也不复杂。