如何高效用Pandas实现两个DataFrame的词干匹配关联检索？

我有两个Pandas DataFrame：一个是约35000条的位置数据，另一个是约550000条的拉丁语铭文数据，简化结构如下：

locations DataFrame #

locations
     period               name  long    lat     latlong  [...]                     stem
0        R                Roma  50.4   1.23   50.4,1.23  [...]                      Rom
1       GR           Londinium  52.2   3.45   52.2,3.45  [...]          Londini, Londin
2       RL   Colonia Agrippina  54.0   6.78   54.0,6.78  [...]  Coloni, Colon, Agrippin
3        G           Vindobona  55.8   9.01   55.8,9.01  [...]                 Vindobon
4        R  Lutetia Parisiorum  57.6  -3.21  57.6,-3.21  [...]  Luteti, Lutet, Parisior
[...]

inscriptions DataFrame #

inscriptions
     id                 text  findspot  [...]      comment
0    a0            some text  Brindisi  [...]          n/a
1    a1  some different text  Bath      [...]         viri
2    a2       text with name  Bern      [...]  tria nomina
3    a3   text with Romensis  Berkeley  [...]     mulieris
4    a4            long text  Bonn      [...]          n/a
[...]

我的需求是找出所有文本中包含位置名称形容词形式的铭文。目前的实现是用df.iterrows()遍历locations的35000行，提取每个位置的词干，用正则匹配铭文文本中的对应形式（比如词干Rom可以匹配铭文3里的Romensis，类似用Boston匹配Bostonian这类同根形容词），匹配成功就把铭文行复制到新DataFrame，并添加该位置的经纬度等信息，最终结果示例：

matches
     id                 text  findspot  [...]      comment  name  long    lat     latlong  [...]
0    a3   text with Romensis  Berkeley  [...]     mulieris  Rome  50.4   1.23   52.2,3.45  [...]
[...]

但这种嵌套遍历效率极低：运行12小时只完成了4%的位置数据处理，预计要耗时数周。我试过np.where()，但没法同时保留位置名称等信息，也没法收集所有同名或近似名称位置的匹配对；df.apply()配合lambda也有类似局限。

请问有没有不用嵌套循环就能实现相同功能的高效方案？

内容的提问来源于stack exchange，提问作者Thomas Leibundgut