Pandas：将 Lambda 应用于多个数据帧

我试图弄清楚如何同时将 lambda 函数应用于多个数据帧，而不需要先将数据帧合并在一起。我正在处理大型数据集（>60MM 记录），并且需要格外小心内存管理。

我希望有一种方法可以将 lambda 应用于底层数据帧，这样我就可以避免首先将它们缝合在一起，然后在继续该过程的下一步之前从内存中删除中间数据帧的成本。

我有通过使用基于 HDF5 的数据帧来避免内存不足问题的经验，但我宁愿先尝试探索不同的东西。

我提供了一个玩具问题来帮助演示我正在谈论的内容。

import numpy as np
import pandas as pd

# Here's an arbitrary function to use with lambda
def someFunction(input1, input2, input3, input4):
    theSum = input1 + input2
    theAverage = (input1 + input2 + input3 + input4) / 4
    theProduct = input2 * input3 * input4
    return pd.Series({'Sum' : theSum, 'Average' : theAverage, 'Product' : theProduct})

# Cook up some dummy dataframes
df1 = pd.DataFrame(np.random.randn(6,2),columns=list('AB'))
df2 = pd.DataFrame(np.random.randn(6,1),columns=list('C'))
df3 = pd.DataFrame(np.random.randn(6,1),columns=list('D'))

# Currently, I merge the dataframes together and then apply the lambda function
dfConsolodated = pd.concat([df1, df2, df3], axis=1)

# This works just fine, but merging the dataframes seems like an extra step
dfResults = dfConsolodated.apply(lambda x: someFunction(x['A'], x['B'], x['C'], x['D']), axis = 1)

# I want to avoid the concat completely in order to be more efficient with memory. I am hoping for something like this:
# I am COMPLETELY making this syntax up for conceptual purposes, my apologies.
dfResultsWithoutConcat = [df1, df2, df3].apply(lambda x: someFunction(df1['A'], df1['B'], df2['C'], df3['D']), axis = 1)

我知道这个问题有点老了，但这是我想出的一种方法。 这不是很好，但是很有效。

基本思想是查询应用函数内的第二个数据帧。 通过使用传递的系列的名称，您可以识别列/索引并使用它从其他数据帧检索所需的值。

def func(x, other):
    other_value = other.loc[x.name]
    return your_actual_method(x, other_value)

result = df1.apply(lambda x: func(x, df2))