Python 如何计算数据帧中时间戳之间的值

我有一个熊猫数据框，看起来像这样：

>>> df
       Start_Time           End_Time
0      2014-10-16 15:05:17  2014-10-16 17:13:14
1      2014-10-16 14:56:37  2014-10-16 15:07:17
2      2014-10-16 14:25:16  2014-10-16 18:06:17
...

现在，我有了另一个包含多个时间戳的数据帧：

>>> times
       Time           
0      2014-10-16 15:17:17
1      2014-10-16 14:53:37
2      2014-10-16 14:26:16
...

我希望在最后收到的是行数，其中开始时间<时间<结束时间：

>>> times
       Time                 Count          
0      2014-10-16 15:17:17  1
1      2014-10-16 15:05:37  2
2      2014-10-16 14:26:16  1
...

当然，我可以通过迭代时间来完成，并使用loc生成sub_dfs：

  ls_len = []    
  for index, row in times.iterrows():
     sub_df = df.loc[(df['Start_Time']<row['Time']) & (df['End_Time']>row['Time'])]
     ls_len.append(len(sub_df))
  times['Count'] = ls_len

ls_len=[]
对于索引，以时间为单位的行。iterrows（）
sub_df=df.loc[（df['Start_Time']行['Time']）]
ls_len.append（len（sub_df））
次数['Count']=ls_len

但这非常耗时，而且感觉不是最优的。有没有一种方法可以在不迭代的情况下执行此操作？ 提前非常感谢你们

#这比循环更为理想
  #This is more optimal than looping        
  def count_val(x):
     sub_df = df.loc[(df['Start_Time']<x['Time']) & (df['End_Time']>x['Time'])]
     count = len(sub_df)
     return count

  times['count'] = times.apply(count_val, axis=1)

def计数值（x）：
sub_df=df.loc[（df['Start_Time']x['Time']）]
计数=len（子单元df）
返回计数
次数['count']=次数。应用（计数值，轴=1）

两个

数据帧的大小是多少？不幸的是，第一个数据帧相当大，包含数百万行。也许您可以将原始
df
拆分为几个较小的数据帧以加快搜索速度？我可以尝试，但这将基于很多假设（例如，每行的持续时间[结束时间-开始时间]应该不会长到几天），所以这会有点风险。更优雅一点：
return（（df['Start\u Time']