<分区>
import time
np.random.seed(0)
df = pd.DataFrame({'gr': np.random.choice(7000, 500000),
'col': np.random.choice(1000, 500000)})
groups = df.groupby('gr')
t1 = time.time()
idx = groups.col.idxmax()
print(round(time.time() - t1,1))
0.7
有没有办法比使用 idxmax() 更快地获得这些指数？
注意，我对idx.values感兴趣，我不介意丢失idx的idx.index() 系列
最佳答案
在我这边，使用 drop_duplicates 比 groupby idxmax 快 8 倍左右
%timeit df.sort_values(['gr','col']).drop_duplicates('gr',keep='last').index
10 loops, best of 3: 67.3 ms per loop
%timeit df.groupby('gr').col.idxmax()
1 loop, best of 3: 491 ms per loop
关于python - 有没有比 idxmax 更快的替代方法？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/51045551/