Python 在不创建列表的情况下添加列

我有两个超过100万行的数据集，我正在用pandas进行分析，因此它们都是pd.Dataframe和著名的df1和df2。我需要根据df2的值向df1添加一列。我使用了python列表，但它的速度非常慢。有什么更快的建议吗

import pandas as pd, numpy as np

numObs = []
for line in np.array(df1):
    numObs.append([num for i,num,exp in df2 if i==line[0]][0])
df1['NumObs'] = pd.Series(np.array(numObs),index = df1.index)

---

与其说您正在创建一个列表，还不如说您有一个嵌套的循环，用于处理df1和df2的所有组合。粗略地

for line in np.array(df1):
    numObs.append([num for i,num,exp in df2 if i==line[0]][0])

扩展到

for line in np.array(df1):
    for i, num, exp in df2:
         finds = []
         if i==line[0]:
            finds.append(num)
         numObs.append(finds[0])

通常情况下，列表理解比显式循环快，但在这里，您放弃了内部循环发现的大部分内容。只要在找到匹配项时从内部循环中断，就可以节省大量时间，这取决于它必须在df2中迭代多远才能找到匹配项

for line in np.array(df1):
    for i, num, exp in df2:
         finds = []
         if i==line[0]:
            numObs.append(num)
            break

---

我对熊猫不太熟悉。“i”是行计数，“num”是值吗？所以，如果第[0]行是10，您想要df2[10]或类似的表达式吗？通过某种方式，您可以根据df1的第一列在df2中查找值，对吗？

您应该解释数据集的外观，以及如何添加此numobs条件等。看起来你所做的只是比较df2的第一列和df1的第一列，对吗？