Python groupby: найти групповую сумму на основе условия для значений строки

Ниже приведен набор данных игрушечной панели с идентификатором панели («id»), временем («time»), значением («value») и некоторыми значениями, которые будут использоваться в качестве условий («cond»).

df = pd.DataFrame({'id' : [1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4], 
                   'time' : [1,2,3,4,5,1,2,3,4,5,1,2,3,4,5,1,2,3,4,5],
                   'value' : [0,1,0,1,1,0,0,1,0,1,1,0,0,1,1,1,0,1,1,1]
                   }) 
cond = np.array([['A','B'],['A','C'],['C','D'],['D','E']])
df['cond'] = pd.Series(list(np.repeat(cond, repeats=[5,5,5,5], axis=0)))

print(df)
    id  time  value    cond
0    1     1      0  [A, B]
1    1     2      1  [A, B]
2    1     3      0  [A, B]
3    1     4      1  [A, B]
4    1     5      1  [A, B]
5    2     1      0  [A, C]
6    2     2      0  [A, C]
7    2     3      1  [A, C]
8    2     4      0  [A, C]
9    2     5      1  [A, C]
10   3     1      1  [C, D]
11   3     2      0  [C, D]
12   3     3      0  [C, D]
13   3     4      1  [C, D]
14   3     5      1  [C, D]
15   4     1      1  [D, E]
16   4     2      0  [D, E]
17   4     3      1  [D, E]
18   4     4      1  [D, E]
19   4     5      1  [D, E]

По сути, я хочу добавить новый столбец, показывающий сумму значений (в столбце «значение») по времени (в столбце «время»), т. е. groupby('time')['value'].transform('sum'), но одна сложность заключается в том, что для каждого идентификатора я хотите суммировать значения других идентификаторов, которые имеют хотя бы один общий элемент в столбце «cond»: например, для id==1 это будет id==2 (поскольку «A» — это общий элемент); для id==2 это будет id==1 (поскольку буква «А» распространена) и id==3 (поскольку буква «С» распространена).

Итак, мой желаемый результат показан в столбце cond_sum_by_time:

    id  time  value    cond  cond_sum_by_time
0    1     1      0  [A, B]                 0
1    1     2      1  [A, B]                 1
2    1     3      0  [A, B]                 1
3    1     4      1  [A, B]                 1
4    1     5      1  [A, B]                 2
5    2     1      0  [A, C]                 1
6    2     2      0  [A, C]                 1
7    2     3      1  [A, C]                 1
8    2     4      0  [A, C]                 2
9    2     5      1  [A, C]                 3
10   3     1      1  [C, D]                 2
11   3     2      0  [C, D]                 0
12   3     3      0  [C, D]                 2
13   3     4      1  [C, D]                 2
14   3     5      1  [C, D]                 3
15   4     1      1  [D, E]                 2
16   4     2      0  [D, E]                 0
17   4     3      1  [D, E]                 1
18   4     4      1  [D, E]                 2
19   4     5      1  [D, E]                 2

Я думаю, что могу достичь своей цели, используя, например, цикл for, но я хотел бы знать, есть ли лучший/более эффективный способ сделать это. Заранее спасибо.

ОБНОВЛЯТЬ:

Ниже приведен мой текущий код, в котором используется цикл for:

# to save the desired new dataframe
new_df = pd.DataFrame() 
# convert the condition list to set for comparison
df['cond'] = df['cond'].apply(lambda x: set(x)) 
# only id and condition
id_cond_df = df.groupby('id').last().reset_index()[['id','cond']] 

# for each id and its condition...
for i, row in id_cond_df.iterrows():
    id = row['id']
    cond = row['cond']
    # find the row indices in the original dataframe (df) where there is at least one same element in the 'cond' column
    idx = df['cond'].apply(lambda x: not x.isdisjoint(cond))    
    common_df = df[idx].reset_index(drop=True)
    # sum by time
    common_df['cond_sum_by_time'] = common_df.groupby('time')['value'].transform('sum') 
    # only the data for the focal id
    common_df = common_df.loc[common_df['id']==id] 
    # store the data in the new dataframe
    new_df = pd.concat([new_df, common_df], axis=0).reset_index(drop=True)
new_df['cond'] = new_df['cond'].apply(lambda x: list(x))

Мой фактический набор данных большой (например, около 20 000 идентификаторов, и каждый идентификатор имеет 240 периодов времени), и приведенный выше код выполняется долго. Буду признателен за любые предложения.