如何向量化（使用pandas / numpy）而不是使用嵌套的for循环

Question

我希望有效地使用pandas（或numpy）而不是for带有if语句的嵌套循环来解决特定问题。这是一个玩具版本：

假设我有以下两个DataFrame

import pandas as pd

import numpy as np

dict1 = {'vals': [100,200], 'in': [0,1], 'out' :[1,3]}

df1 = pd.DataFrame(data=dict1)

dict2 = {'vals': [500,800,300,200], 'in': [0.1,0.5,2,4], 'out' :[0.5,2,4,5]}

df2 = pd.DataFrame(data=dict2)

现在，我希望遍历每个数据帧的每一行，并在满足特定条件的情况下乘以val。这段代码适用于我想要的

ans = []

for i in range(len(df1)):

    for j in range(len(df2)):

        if (df1['in'][i] <= df2['out'][j] and df1['out'][i] >= df2['in'][j]):

            ans.append(df1['vals'][i]*df2['vals'][j])

np.sum(ans)

但是，显然这是非常低效的，实际上，我的DataFrames可以具有数百万个条目，因此无法使用。我也不会做的我们pandas还是numpy有效的载体实现。有谁知道如何有效地向量化此嵌套循环？

我觉得这段代码类似于矩阵乘法，因此可以利用outer吗？这if是我很难进入的条件，因为if逻辑需要将中的每个条目df1与中的所有条目进行比较df2。