我通常使用value_counts()来获取一个值出现的次数，但是，我现在要处理的是大型数据库表（无法将其完全加载到RAM中），并且要查询一个月内的数据。
是否有办法存储value_counts()的结果，并将其与下一个结果合并/添加？
我想计算用户操作的数量。假设用户活动日志的结构如下：

# month 1
id    userId     actionType
1     1          a
2     1          c
3     2          a
4     3          a
5     3          b

# month 2
id    userId     actionType
6     1          b
7     1          b
8     2          a
9     3          c

在这些上使用value_counts()会产生：

# month 1
userId
1       2
2       1
3       2

# month 2
userId
1       2
2       1
3       1

预期产出：

# month 1+2
userId
1       4
2       2
3       3

到目前为止，我只是找到了一个使用groupby和sum的方法：

# count users actions and remember them in new column
df1['count'] = df1.groupby(['userId'], sort=False)['id'].transform('count')
# delete not necessary columns
df1 = df1[['userId', 'count']]
# delete not necessary rows
df1 = df1.drop_duplicates(subset=['userId'])

# repeat
df2['count'] = df2.groupby(['userId'], sort=False)['id'].transform('count')
df2 = df2[['userId', 'count']]
df2 = df2.drop_duplicates(subset=['userId'])

# merge and sum up
print pd.concat([df1,df2]).groupby(['userId'], sort=False).sum()

pythonic/panda如何有效地合并多个序列（和 Dataframe ）的信息？