优化python脚本

我正在尝试减少脚本的资源负担，或者只是寻找一个更简单的python代码来处理以下问题：

示例表（dataset.xlsx）：

我想得到一个新的列，它可以复制每个订单的最大状态id

df=dataset
df.groupby('Status_id').max()
df['Max'] = df.groupby('order')['Status_id'].transform('max')
df

我得到：

no order materials status         Status_id   Max
1  1000  100       available       1          3
2  1000  200       not available   3          3
3  1001  500       Feb-20          2          2
4  1002  400       available       1          3
5  1002  300       not available   3          3
6  1002  600       available       1          3
7  1002  900       available       1          3
8  1003  700       available       1          1
9  1003  800       available       1          1

虽然它看起来很简单，可以处理小数据集，但我的实际数据有80k+行数据，最多有80个状态ID，因此计算这些数据需要几个小时

---

有什么建议吗

您可以尝试先按

'Status\u id'

排序，然后从每组中选取最后一个值：

df = df.sort_values('Status_id')
df['Max'] = df.groupby('order')['Status_id'].transform('last')

---

对于大文件，我更喜欢使用Dask（）。Dask将自动执行您的操作。它还提供了一个几乎与pandas相同的API，因此您会对它感到满意。您有一些测试吗？这应该很有趣，看看它是否更快。@jezrael否。也许你们可以测试它。为了改进答案，请免费使用来自

df = df.sort_values('Status_id')
df['Max'] = df.groupby('order')['Status_id'].transform('last')