通过使用 Pandas 中的另一个数据帧数据将过程应用于数据帧的行

如何解决通过使用 Pandas 中的另一个数据帧数据将过程应用于数据帧的行

我有两个数据框，比如说 dfr1 和 dfr2。 dfr1 看起来像：

x,y,z
1,2,3
1,1,4,5,3

而 dfr2 看起来像：

p1,p2,p3
100,200,300  
100,400,300
100,500,300                 

我想使用 dfr2 对 dfr1 的每一行应用一个过程。 假设 dfr1 的每一行都是一些点的坐标。另一方面，dfr2 的列是我们可以称为“站”的其他点的坐标。对于 dfr1 的每个点，我想计算与 dfr2 的每个点的距离，以便对距离进行排序。

让我们定义功能测试：

import math 
def test(rr):
  res = math.sqrt((rr[0]-p1_x)**2 + (rr[1]-p1_y)**2 + (rr[2]-p_1z)**2)  
  return res

我已经学会了对 dfr1 的每一行应用测试：

res = dfr.apply(test,axis=1)

如何将 dfr2 的某些元素传递给函数。我不想在函数内部读取它，因为 dfr2 将具有更复杂的结构。这是我的真实原始文件的示例，其中包含站点数据：

,station_1,station_3,station_3
coordiante x,100,300  
coordiante y,300
coordiante z,300
2018-01-01 00:00:00,3
2018-01-01 01:00:00,3
2018-01-01 02:00:00,3,3
2018-01-01 03:00:00,3
2018-01-01 04:00:00,NaN,3
2018-01-01 05:00:00,3

我在 stackoverflow 的另一篇文章中找到了这个解决方案：

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))

由于我每次只使用一行，我将其修改为

def func(x,other_value)

for i in range (4,13)
    result = df1.iloc[0:5].apply(lambda x: func(x,df2.iloc[0:3],df2.iloc[i]),axis=1)

我确实喜欢这样一个事实，即我必须将它插入到循环中，以便将每个步骤的不同行传递给函数。我有点担心计算速度。你怎么看？