相关疑难解决方法(0)

我有一个pandas.Series包含整数,但我需要将这些转换为字符串以用于某些下游工具.所以假设我有一个Series对象:

import numpy as np
import pandas as pd

x = pd.Series(np.random.randint(0, 100, 1000000))

在StackOverflow和其他网站上,我见过大多数人认为最好的方法是:

%% timeit
x = x.astype(str)

这大约需要2秒钟.

使用时x = x.apply(str),只需0.2秒.

为什么x.astype(str)这么慢？应该推荐的方式x.apply(str)吗？

我主要对python 3的行为感兴趣.

我正在为每个组选择一个最大行,并且我使用groupby/ agg来返回索引值并使用选择行loc.

例如,要分组"Id"依次选择具有最高"delta"值的行:

selected_idx = df.groupby("Id").apply(lambda df: df.delta.argmax())
selected_rows = df.loc[selected_idx, :]

但是,这种方式很慢.实际上,当我在1300万行上使用此查询时,我的i7/16G RAM笔记本电脑挂起.

我有两个专家问题:

1. 如何在pandas中快速运行此查询？我究竟做错了什么？
2. 为什么这个操作如此昂贵？

[更新]非常感谢@unutbu的分析! sort_drop它是!在我的i7/32GRAM机器上,groupby + idxmax挂起了近14个小时(永远不会返回一个东西)然而sort_drop处理它只需要一分钟!

我仍然需要看看pandas如何实现每个方法,但问题现在解决了!我喜欢StackOverflow.