Python将函数应用于具有不同数据结构多个数据帧

import pandas as pd

# 创建两个不同数据结构的DataFrame
df1 = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

df2 = pd.DataFrame({
    'C': [7, 8, 9],
    'D': [10, 11, 12]
})

# 自定义函数，计算每行的总和
def row_sum(row):
    return row.sum()

# 将函数应用于每个DataFrame
df1['RowSum'] = df1.apply(row_sum, axis=1)
df2['RowSum'] = df2.apply(row_sum, axis=1)

print(df1)
print(df2)

# 确保所有列的数据类型一致
df1 = df1.astype(float)
df2 = df2.astype(float)

# 再次应用函数
df1['RowSum'] = df1.apply(row_sum, axis=1)
df2['RowSum'] = df2.apply(row_sum, axis=1)

# 使用向量化操作提高性能
df1['RowSum'] = df1.sum(axis=1)
df2['RowSum'] = df2.sum(axis=1)