pandas.merge 如何扩展？

Question

我有两个数据框A和B 。 A 消耗的 memory 大约是 B 的 15 倍，并且行数是 B 的大约 30 倍。但是，如果我将 A 合并到自身只需大约 15 秒，而将 B 合并到自身大约需要 15 分钟（pandas 版本 1.1.5）。

# this chain of operations takes about 15 seconds with A
(A # with B here and in the line below it takes about 15 minutes
 .merge(A, how='left', indicator=True)  
 .query("_merge == 'left_only'")
 .drop(columns='_merge')
 .reset_index(drop=True))

有谁知道如何在 pandas 中合并比例？ 为什么大 dataframe 与自身的合并比小 dataframe 与自身的合并要快得多？

---

有关这两个数据框的更多详细信息：

Dataframe A：

RangeIndex: 7250117 entries, 0 to 7250116
Data columns (total 6 columns):
 #   Column         Dtype  
---  ------         -----  
 0   Order_ID       int64  
 1   Color          object 
 2   Size           object 
 3   Country        object 
 4   pieces_demand  float64
 5   count          int64  
dtypes: float64(1), int64(2), object(3)
memory usage: 331.9+ MB

DataFrame B：

RangeIndex: 234805 entries, 0 to 234804
Data columns (total 11 columns):
 #   Column                 Non-Null Count   Dtype  
---  ------                 --------------   -----  
 0   Order_ID               234805 non-null  int64  
 1   Color                  234805 non-null  object 
 2   Size                   234805 non-null  object 
 3   pieces_demand          234805 non-null  float64
 4   pieces_ordered         234805 non-null  float64
 5   Size_Index             234805 non-null  int64  
 6   dist_demand            234805 non-null  float64
 7   dist_ordered           234805 non-null  float64
 8   dist_discrete_demand   234805 non-null  float64
 9   dist_discrete_ordered  234805 non-null  float64
 10  count                  234805 non-null  int64  
dtypes: float64(6), int64(3), object(2)
memory usage: 19.7+ MB