基于pandas中的两列优化合并python

Question

我有2个数据框：

df1 = pd.DataFrame({ 'message' : (["hi","hi","hello?","bye","are you there?","how are you?"]),
                     'serial' : ([14,12,13,13,14,14]),
                     'messageOrder': (1,1,1,2,3,2)})

df2 = pd.DataFrame({ 'message' : (["hi","hi","hello?","bye","are you there?","how are you?"]),
                    'B' : pd.Timestamp('20130102'),
                    'D' : np.array([3] * 6,dtype='int32'),
                    'serial' : ([14,12,13,13,14,14])})

我正在寻找将messageOrder列从df1合并到df2的最佳方法（df2有更多列，我没有在示例中包含）。我想过遍历所有行并且：

• 验证＆＃34; serial＆＃34;在df1和df2
中的两行之间是相同的
• 匹配＆＃34;消息＆＃34;列根据其内容。

有优雅的方法吗？

数据帧长14,000行，每个＆＃34;串行＆＃34;有1-20个值。