pandas不允许您自己将datframe分发给多台机器。如果你有数据
内存（ram）
适合磁盘
因此，当您可以用一台机器处理数据时，它工作得很好。但是当数据和处理需求增长时，您希望迁移到存储和处理Dataframe的分布式/并行处理的库。Dataframe的概念在这些库中很常见，但实现不同，以提供分布式处理能力。两个很好的例子是
dask，它通常用于使用多个 cores / thread 由 multiprocessing/multitasking ，但也可以在分布式集群上运行良好。
apachespark主要用于多节点的集群模式，因此采用分布式数据处理框架(但也可在单机上使用）
更新：
是你问的
Dataframe的概念是非分布式的，而r和python则有其他的概念来进行分布式计算
dataframe不需要是非分布式的或分布式的，它是一个概念，dataframe是一个二维的数据结构，它的列可以有不同的类型，并且查询、总结和操作非常简单高效，因此被许多面向数据的编程范例和库所采用。因此，利用和操纵这些Dataframe可以分布式的方式来处理大数据。spark只是分布式数据处理框架的一个例子，它可以与包括r和python在内的许多语言一起使用

例如，PandasDataframe不是分布式的。
声明说，Dataframe不是唯一的，有几个Dataframe的概念。尽管有许多概念，sparkDataframe是分布式的，但是其他的，即python和r不是。
这并不意味着pysparkDataframe。