Python 熊猫将函数应用于多个帧的对应单元格

我试图将一个函数应用于两个大小相同的数据帧的对应单元格，以创建一个新帧

在伪代码中，我要执行以下操作：

def someFunction(df1, df2):
  #apply Levenstein.ratio() to the corresponding cells in df1, df2. eg 
  #eg:df1.iloc[0]['colA'] compare to df2.iloc[0]['colA'] etc

frameC= someFunction(frameA, frameB)

---

我可以编写嵌套的for循环，并迭代帧的每一行/每一列来完成这项工作，但这将是缓慢而乏味的。在熊猫身上有更好的方法吗？我一直在玩弄df.apply函数，似乎不知道如何有效地比较两个不同数据帧的对应单元格。

是否测试了循环是否真的太慢？如果循环是速度的决定性因素，那么它将取决于所应用函数的计时，并且您想要应用的函数可以被矢量化吗？它没有我想要的那么快-我正在比较数百万条记录中的字符串。基本上，我试着根据姓名、地址等来匹配人们。对于他们的每个字段，我比较这两个字段，看看他们有多相似。我想不出一个矢量化的方法。如果行已经排成一行了，那么首先合并它们是否有意义？代码将更具可读性，看起来您正在创建第三个数据帧。从数据描述来看，我不清楚为什么一开始会有2个数据帧而不是1个数据帧。对于这个版本，行确实排成一行，我们只是在不同的时间帧上比较相同的人。两个dfs上的列具有完全相同的名称，因此我只需重命名列，并以某种方式跟踪要在同一个合并数据集中比较的列。然而，我可以看到墙上写着，下一个问题将是匹配不平衡的数据集，因此我更多地是试图找出比较帧的功能，而不是一个精确的解决方案。即使行没有完全对齐，您可以基于某一列合并这两个数据集，该列应该匹配以比较它们，例如pd.merge