python - 有没有办法提高循环速度，或者在不使用 for 循环的情况下以更快的方式做同样的事情？

Question

我有一个巨大的数据框(400 万行和 25 列)。我正在尝试调查 2 个分类列。其中一个有大约 5000 个级别 (app_id)，另一个有 50 个级别 (app_category)。

我发现对于 app_id 中的每个级别，app_category 都有一个唯一的值。我如何编写代码来证明这一点？

我尝试过这样的事情:

app_id_unique = list(train['app_id'].unique())

for unique in app_id_unique:
    train.loc[train['app_id'] == unique].app_category.nunique()

这段代码需要很长时间。

Answer 1

我认为你需要groupby与 nunique :

train.groupby('app_id').app_category.nunique()