这个问题是我问的here的“续集”。我有2个看起来像这样的DataFrame：
df1 =
Timestamp CP_ID Con Value
0 2018-01-02 07:30:00.000 3107 1 6275.20
1 2018-01-02 07:45:00.000 3107 1 6275.95
2 2018-01-02 08:00:00.000 3107 1 6276.70
3 2018-01-02 08:15:00.000 3107 1 6277.45
4 2018-01-02 08:30:00.000 3107 1 6278.19
df2 =
dStart dEnd CP_ID Con A_Id
0 2018-03-12 18:58:53 2018-03-12 21:19:33 30554 1 03FC4BA8
1 2018-04-16 17:53:25 2018-04-16 20:22:52 30554 1 03FC4BA8
2 2018-05-10 19:19:47 2018-05-10 21:28:04 30554 1 03FC4BA8
3 2018-05-26 18:03:19 2018-05-26 20:49:23 30553 1 03FC4BA8
4 2018-08-10 18:26:29 2018-08-10 20:57:15 30827 1 03FC4BA8
df2是所有用户的所有会话的列表（每个会话的dStart / dEnd）。
df1是用户特定的会话信息（每个会话的时间戳记）。
CP_ID和Con指定一个唯一的位置。
A_Id指定一个唯一的用户。
我想合并这两个表，以便保留给定用户会话的所有信息。正如Wen-Ben在我之前的文章中所提出的，目前的解决方案是：
df = pd.merge(df2,df1,how='left',left_on=['CP_ID','Con'], \
right_on=['CP_ID','Con'])
df = df.loc[(df.Timestamp>df.dStart)&(df.Timestamp<df.dEnd)]
这完成了任务，但是我的问题是它花费了相对较长的时间。我需要为成千上万的用户执行此操作，而且两个步骤（.merge和.loc）都占用了脚本运行时间的很大一部分。
是否有更有效的方法？