我有两个非常大的熊猫数据框，df和df_new
示例df：
A B DU DR
100 103 -2 -10
100 110 -8 -9
100 112 0 -4
100 105 2 0
100 111 NAN 12
.
.
.
264 100 NAN -15
.
.
.
示例df_new：
A TD
100 0
100 1
100 2
.
.
.
103 0
103 1
.
.
.
对于相同的{{1}，我希望获得另一个B的熊猫数据帧，其DU小于或等于TD的{{1}} df_new和A中的}。类似地，对于df的相同值，我需要df_new的计数，其中B大于DU的{{1}}（对于相同的TD（它还应包括{ {1}}）。
即：
我期望的数据框应该是这样的：
df_new如何在Python中执行此操作？
请注意，数据量巨大。
答案 0 :(得分：2)
首先将DataFrame.merge与左连接一起用于一个Dataframe，然后将Series.gt的列与center进行比较，并
将>的{{3}}移到包含Series.le的新列中，最后汇总为<=：
sum另一种具有自定义功能的解决方案，但如果使用大型DataFrame df1 = df_new.merge(df.assign(DU = df['DU'].fillna(df_new['TD'].max() + 1)), on='A', how='left')
df2 = (df1.assign(Count_Less=df1['DU'].le(df1['TD']).astype(int),
Count_More=(df1['DU'].gt(df1['TD'])).astype(int))
.groupby(['A','TD'], as_index=False)['Count_Less','Count_More'].sum()
)
print (df2)
A TD Count_Less Count_More
0 100 0 3 2
1 100 1 3 2
2 100 2 4 1
3 103 0 0 0
4 103 1 0 0
，则速度较慢：
df_new