Python 如何选择组'；s具有最大索引的行

我有一个

dataframe

，如下所示（大得多），我有

groupby

“a”，我想用

最大索引选择每个组的行（foo和bar）

serie2 = pd.DataFrame({'A':['foo','foo','foo','bar','bar','bar'],'a':   [1,2,5,3,6,4],'b':np.random.rand(6)})

请帮助调整时间：对于120万行DF：

In [60]: a.shape
Out[60]: (1200000, 3)

In [61]: %timeit a.loc[a.reset_index().groupby('A')['index'].max()]
1 loop, best of 3: 1.25 s per loop

结论：在我的家庭笔记本上记录1200.000行数据需要1.25秒

更新：

In [47]: a = a.loc[a.reset_index().groupby('A')['index'].max()]

In [48]: a
Out[48]:
     A  a         b
5  bar  4  0.365713
2  foo  5  0.291325

说明：

我们使用
reset_index（）
在调用
groupby
后保留索引值，但不会在原始DF中重置索引，而是在DF的副本上执行：

In [46]: a.reset_index()
Out[46]:
   index    A  a         b
0      0  foo  1  0.079306
1      1  foo  2  0.714666
2      2  foo  5  0.291325
3      3  bar  3  0.554277
4      4  bar  6  0.827812
5      5  bar  4  0.365713

旧答案：

In [47]: a = a.loc[a.reset_index().groupby('A')['index'].max()]

In [48]: a
Out[48]:
     A  a         b
5  bar  4  0.365713
2  foo  5  0.291325

这就是你想要的吗

In [23]: a
Out[23]:
     A  a         b
0  foo  1  0.079306
1  foo  2  0.714666
2  foo  5  0.291325
3  bar  3  0.554277
4  bar  6  0.827812
5  bar  4  0.365713

In [24]: a.reset_index().groupby('A')['index'].max()
Out[24]:
A
bar    5
foo    2
Name: index, dtype: int64

或：

没有。假设我有一个精确的数据帧'a'，索引就是它。我需要的是保留索引为2和5的整行，并删除其他行。对于我的数据帧，我不想重置索引，我需要索引来选择行。为什么要重置_index（）？哦，是的，我已经尝试过了，它确实按照我的需要选择索引，但是.loc似乎需要很长时间来计算。它仍然在运行…@NathalieHB，通常
loc
非常快，所以我认为是其他原因使它变慢了。在这种情况下，您可以尝试使用iloc，它可能会快一点。您的df的形状（
df.shape
）是什么？df的形状是962236-11