在熊猫组中应用多个功能而无需迭代

Question

我有一个数据框df，其中包含a，b，c，d和e列。我想要的是在a，b和c的基础上按df分组。然后，对于每个组，我想删除该组中该列最频繁的值的列d和e的NULL值。然后最后为每个组删除重复项。

我正在执行以下过程：

        final_df = pd.DataFrame()
        grouped = df.groupby(['a', 'b', 'c'])
        for _, group in grouped:
            group = group.replace('', np.nan)
            group = group.fillna(group.mode().iloc[0])
            group.drop_duplicates(keep='first', inplace=True)
            final_df = pd.concat([rows_to_insert, final_df])

但是迭代使我的处理过程非常缓慢。有人可以建议我更好的方法吗？

样本输入：

样本输出：