熊猫新手问题：
我有一个包含数百万行的数据框，示例输出为：
c_id c1 c2
0 10 100
0 15 110
0 15 112
2 96 120
56 43 42
对于每个customer_id，我想创建一个表做一些事情。最好的方法是什么？ 我按c_id对数据帧进行了排序，然后将索引设置为：
df = df.sort('c_id', ascending=False)
df = df.set_index('c_id')
但是一个简单的操作，如：
temp_df = df.loc[:0]
需要永远，这是解决这个问题的最快方法吗？ 我认为有条件的set_index可以解决问题。我猜不是。
EDIT1：
我想获取c_id的每个值的c1的所有唯一值的列表。所以像：
df.loc[:0].c1.unique()
答案 0 :(得分：1)
不要显式创建组，而是使用pandas groupby。
例如，假设您要查找客户端的平均值，您可以执行以下操作：
df.groupby(by = df['c_id']).mean()
等等。
您还可以使用.apply和.transform方法应用（几乎）任意变换（尽管内置方法如mean，std，min，max更有效，因为它们已经过优化）
要回答您的具体问题，您可以：
df.groupby('c_id').c1.nunique()
给出：
c_id
0 2
20 1
56 1
Name: c1, dtype: int64
请注意，有些问题（this和this）表明.nunique不是更快的方法，这是另一种方法：
df.groupby('c_id').c1.apply(lambda x: len(x.unique()))
（我自己没有做任何基准测试......）