如何为pandas数据帧的每一列应用具有不同时间常数的一阶过滤器？

import pandas as pd
import numpy as np

def apply_first_order_filter(df, column, time_constant):
    """
    应用一阶过滤器到指定的列。
    
    参数:
    df (pd.DataFrame): 输入的数据帧。
    column (str): 需要过滤的列名。
    time_constant (float): 时间常数。
    
    返回:
    pd.Series: 过滤后的序列。
    """
    # 获取列的数据
    data = df[column].values
    # 初始化过滤后的数据数组
    filtered_data = np.zeros_like(data)
    # 设置初始值
    filtered_data[0] = data[0]
    # 应用一阶过滤器
    for i in range(1, len(data)):
        filtered_data[i] = filtered_data[i-1] + (data[i] - filtered_data[i-1]) / time_constant
    return pd.Series(filtered_data, index=df.index)

# 示例数据帧
df = pd.DataFrame({
    'A': np.random.rand(100),
    'B': np.random.rand(100),
    'C': np.random.rand(100)
})

# 不同列的时间常数
time_constants = {'A': 5.0, 'B': 10.0, 'C': 15.0}

# 对每一列应用过滤器
for column, time_constant in time_constants.items():
    df[column] = apply_first_order_filter(df, column, time_constant)

print(df.head())