更快的数据框分组行列出

我有一个大的DataFrame（+ 100.000行），看起来像这样：

userId conversion revenue channel 
000001 0          0       Direct
000001 1          15      Organic Search
000001 0          0       Direct
000002 0          0       Social
000002 0          0       Direct
...

并且需要根据userId将多个列值（转化，收入和渠道）分组在一个列表中。

userId conversion revenue    channel 
000001 [0, 1, 0]  [0, 15, 0] [Direct, Organic Search, Direct]
000002 [0, 0]     [0, 0]     [Social, Direct]
...

我目前使用pandas groupby并将这些值聚合到一个列表中，但这很慢（执行时间约为30秒）：

grouped = df.groupby(['userId']).agg({
    'channel': lambda x: x.tolist(),
    'conversion': lambda x: x.tolist(),
    'revenue': lambda x: x.tolist()
})

有没有更快（更好）的方法来解决我的问题？

• 编辑：

我认为我已经找到了一种更好的方法，它将运行时间从+ -30s减少到+ -5s，但是我觉得它仍然可以进行更优化。

channel = df.groupby(['userId']).agg({'channel': '>'.join})['channel'].str.split('>')
conversion = df.groupby(['userId').agg({'conversion': lambda x: '>'.join(map(str, x))})['revenue'].str.split('>')
revenue = df.groupby(['userId']).agg({'revenue': lambda x: '>'.join(map(str, x))})['revenue'].str.split('>')

g_channel_conv = pd.merge(channel, conversion, how='left', on='user')
grouped = pd.merge(g_channel_conv, revenue, how='left', on='user')

问题来源：stackoverflow