Python 在pandas中迭代唯一值的更快方法？

我有一些pandas代码，我正试图在一个大数据集上运行，尽管使用了apply，但它看起来基本上是迭代的，运行缓慢。。。欢迎您的建议

我正试着整理我的数据。每行都有一个非唯一的事件ID，每个事件ID可以包含多个事件。如果这些事件中的任何一个是特定类型的，我希望具有该ID的每一行都有一个特定的标志-例如，该类型的事件发生在该ID中。然后我希望导出仅具有ID的数据帧，该标志显示该事件是否发生在该ID中

这是我正在使用的代码：

no_duplicates = df.drop_duplicates(subset=["ID])

def add_to_clean(URN):
    single_df = df[df["URN"] == URN].copy()
    return single_df["Event_type"].sum() > 0

no_duplicates["Event_type"] = no_duplicates["ID"].swifter.apply(add_to_clean)

---

虽然我尝试使用apply而不是loop，但它似乎仍然在对整个代码进行迭代，而且耗时很长。关于如何提高效率，您有什么想法吗？

如果需要使用聚合值填充新列，请改用apply+join，但transform仅使用一个列事件类型：

---

如果需要使用聚合值填充新列，请改用apply+join，但transform仅使用一个列事件类型：

---

你能创建一些样本数据吗？你能创建一些样本数据吗？哦，这是明智的。代码在一行中不太有效，但是执行groupby然后合并可能很好。应该测试。哦，这是明智的。代码在一行中不太有效，但是执行groupby然后合并可能很好。将进行测试。

no_duplicates["Event_type"] = no_duplicates.groupby("URN").Event_type.transform('sum') > 0