Python 聚合最小值和最大值的分组速度非常慢

我有带日期时间索引的数据框，形状：

df.shape
(311885, 38)

聚合函数.sum（）、.mean（）和.median（）工作正常：

%%time
df.groupby(pd.Grouper(freq='D')).mean()
CPU times: user 77.6 ms, sys: 16 ms, total: 93.7 ms
Wall time: 92.7 ms

但是，.min（）和.max（）速度非常慢：

%%time
df.groupby(pd.Grouper(freq='D')).min()
CPU times: user 51.1 s, sys: 377 ms, total: 51.5 s
Wall time: 51.1 s

此外，尝试重新采样，结果也同样糟糕：

%%time
df.resample('D').min()
CPU times: user 52.2 s, sys: 478 ms, total: 52.7 s
Wall time: 52.2 s

已安装版本：

pd.__version__
'0.25.2'
print(sys.version)
3.6.8 (default, Jan 14 2019, 11:02:34) 
[GCC 8.0.1 20180414 (experimental) [trunk revision 259383]]

---

这是预期的行为吗？.min（）和.max（）的计时是否可以改进？

正如广亨在评论中指出的那样，我有一个字符串列导致.min（）和.max（）的速度变慢。没有它，一切都很快。

正如广亨在评论中指出的，我有一个字符串列，导致.min（）和.max（）变慢。没有它，一切都很快。

只要使用drop\u duplicate或duplicate，数据是否包含文本/字符串

mean，sum

会忽略它们，但min，max不会。我想groupby不会忽略sum的字符串：

pd.DataFrame（[[A'，B']*2]*10）。groupby（0）。sum（）

哦，你明白了！其中一列是字符串，当我删除它时，min和max变快了！谢谢：）@ALollz说得好。虽然字符串总和在某种程度上比

int

/

float

总和更快，所以可能不算：-）。可以，只要使用drop\u duplicate或duplicate，您的数据是否包含文本/字符串

mean，sum

会忽略它们，但min，max不会。我想groupby不会忽略sum的字符串：

pd.DataFrame（[[A'，B']*2]*10）。groupby（0）。sum（）

哦，你明白了！其中一列是字符串，当我删除它时，min和max变快了！谢谢：）@ALollz说得好。虽然字符串和在某种程度上比

int

/

float

sum快，所以这可能不算：-）。