我编写了一个脚本，它从pandas Dataframe （最多350行）中随机抽取15行的子集，并将这些子集输入一个“scorer”函数，该函数对某些列中包含的浮点值执行排序、切片和求和操作。这是可能的脚本需要这样做数百万次，这需要很长的时间来完成，我正在寻找一种方法，以加快它，如果我可以。
我可以想到的选项是将脚本更改为从sql数据库调用，或者使用numpy数组而不是 Dataframe 。然而，这些（或任何其他方法）是否会给我带来比Pandas更大的性能提升？
这些函数的伪代码为：

import pandas as pd
import itertools
df = pd.DataFrame() # main dataframe, consisting of up to 350 rows
highScore = 0
for foo in itertools.combinations(df, 15):
    score = scorer(foo)
    if score > highscore:
        highScore = score
        print(foo)
        print(score)
def scorer(df):
    # Sort df by column 'Score', slice to ten highest values (using head), and sum
    localDf = df.sort_values('Score', ascending=False)
    localDf = df.head(10)
    return localDf['Score'].sum()