用例：
我正在使用 Google BigTable 来存储这样的计数：
| rowkey | columnfamily |
| | col1 | col2 | col3 |
|----------|------|------|------|
| row1 | 1 | 2 | 3 |
| row2 | 2 | 4 | 8 |
| row3 | 3 | 3 | 3 |
我想读取给定范围的行键的所有行（让我们假设在这种情况下全部）并聚合每列的值。
一个简单的实现会在聚合计数时查询行并迭代行，如下所示：
from google.cloud.bigtable import Client
instance = Client(project='project').instance('my-instance')
table = instance.table('mytable')
col1_sum = 0
col2_sum = 0
col3_max = 0
table.read_rows()
row_data.consume_all()
for row in row_data.rows:
col1_sum += int.from_bytes(row['columnfamily']['col1'.encode('utf-8')][0].value(), byteorder='big')
col2_sum += int.from_bytes(row['columnfamily']['col2'.encode('utf-8')][0].value(), byteorder='big')
col3_value = int.from_bytes(row['columnfamily']['col3'.encode('utf-8')][0].value(), byteorder='big')
col3_max = col3_value if col3_value > col3_max else col3_max
问题：
有没有办法在 pandas DataFrame 中有效地加载结果行并利用 pandas 性能进行聚合？
我想避免用于计算聚合的 for 循环，因为众所周知它效率很低。
我知道Apache Arrow 项目及其python 绑定，虽然 HBase 被称为支持项目（并且 Google BigTable 被宣传为与 HBase 非常相似），但我似乎找不到将它用于用例的方法我在这里描述过。