Python 3.x 在二进制数据框中计算行模式的最快方法

我正在尝试优化一段代码，该代码可以找到带有布尔项的数据帧的行模式。这里，行模式不是每列模式，而是重复次数最多的行向量

我有一种工作方式：

some_binary_entry_dataframe=pd.dataframe（pd.np.random.rand（10300）<0.5）
pd.util.hash\u\u对象（某些\u二进制\u条目\u数据帧，index=False）.mode（）

但我发现它对于任务来说速度很快很慢，对于一个数据帧形状的

20x300

，速度大约为100ms。它已经成为我代码的瓶颈。如何在熊猫或numpy中优化这一点

编辑1： 我希望代码实现的一个更详细的示例是，我尝试过滤掉与多数不匹配的行（模式）

entries=pd.np.zero（（3,3））
条目[1:，0]=1
#条目=[[0.0,0.0,0.0]，[1.0,0.0,0.0]，[1.0,0.0,0.0]]
__df=pd.DataFrame（entries.astype（bool））
row\u hashes=pd.util.hash\u\u对象（\u\u df，index=False）
mask=row\u hashes.isin（row\u hashes.mode（））
__df=uu df[掩码]
#astype（int）=[1,0,0]，[1,0,0]]

评测之后，CPU主要忙于调用

pd.util.hash\u\u object

，因此我尝试对其进行优化

编辑2： 我已经用

\uu df.apply（lambda x:hash（tuple（x）），axis=1）取代了散列。

具有很好的加速效果。

这种更“手动”的方法似乎要快得多：

从集合导入计数器
将numpy作为np导入
def二进制模式屏蔽计数器（a）：
a=np.asarray（a）
cols=a.shape[1]
#将每行转换为一个大整数值
h=np.array（[sum（int（v））我无法获得pd.util.hash\u pandas\u对象（一些二进制输入数据帧，index=False）。mode（）

工作。你能添加示例数据帧和预期的o/p吗？@Divakar我添加了一行来生成一些测试数据。我以后可能会添加输入/输出的相关示例。