我有一个大的（大约1200万行）数据帧df，比如：
df.columns=['word'，'documents'，'frequency']
因此，以下内容及时发布：
word\u grouping=df[['word'，'frequency']]。groupby（'word'））
MaxFrequency\u perWord=word\u分组[['frequency']].max（）.reset\u index（）
MaxFrequency_perWord.columns=['word'，'MaxFrequency']
但是，这需要花费意外的长时间来运行：
单词的出现次数=单词分组[['word']]。计数（）。重置索引（）
我做错了什么？有没有更好的方法来计算大型数据帧中的事件数
df.word.description（）
运行得很好，所以我真的没想到这个单词的数据框架会花费很长时间来构建
附言：如果答案很明显，你觉得有必要惩罚我问这个问题，请把答案也包括在内。多谢各位
我认为df['word'].value\u counts（）应该有用。跳过groupby机器，您将节省一些时间。我不确定为什么count应该比max慢得多。两者都需要一些时间来避免丢失值。（与尺寸相比）
在任何情况下，value_counts都经过了专门优化，以处理对象类型，如您的文字，因此我怀疑您是否会做得更好