我有一个初始数据框，可以使用Pandas groupby方法从中创建新的数据框。存储在熊猫Locale中的数据框应全部与另一个称为DataFrameGroupBy object的数据框合并（外部联接）。为此，我创建了一个用户定义函数（df_to_merge）并使用insertWeekYear将此函数应用于熊猫apply：
DataFrameGroupBy object运行此代码后，我将有一个数据帧# User defined merge function
def insertWeekYear(group):
inserted_group = pd.merge(group,df_to_merge, how = 'outer', on = ['year', 'week'])
return inserted_group
# Create Grouped_object and merge the dataframes
Grouped_object = df.groupby(['Store', 'Product'])
New_df = Grouped_object.apply(insertWeekYear)
，其中包含存储的所有数据帧New_df与数据帧Grouped_object合并在一起。
这正是我打算做的。但是，由于df_to_merge包含大约74000个数据帧，因此它需要74000个外部联接才能将所有数据帧“重新组合”在一起。为了估计所需的时间，我对包含1000个数据帧的子集的分组对象Grouped_object进行了上述操作。基于此，至少需要大约8-9个小时。
Grouped_object与groupby结合使用吗？如果没有，如何使这项工作更有效？其他上下文：我想将apply和week的每个组合（存储时）中的每个year和df_to_merge作为一行存储在Store中在原始Product中并在df中分组）。因此，由于Grouped_object包含年和周的64个组合，并且df_to_merge中的每个数据框都包含<64，因此每个合并的数据框的长度将为64。基本上，每个合并的数据框将仅获得附加行。 Grouped_object和week的组合，但尚未存储在year中的原始数据帧中。