我有一個名為 df 的 DataFrame，它有超過 40,000 行和 90 多列。這是它的外觀片段：p1 p2 p3 p4 value 0  1  0  1   51  0  1  0   41  1  0  0   60  1  0  1   2我希望能夠找到 p1、p2、p3、p4 的獨(dú)特組合的“價值”總和。因此，當(dāng) p2=1 和 p4=1 時（每組 p1、p2、p3、p4 中總是恰好有兩個 1），在這種情況下，它們的“值”列的總和將為 7。這很容易找到df[(df.p2 == 1) & (df.p4 == 1)].value.sum()。但是，我不知道如何為我的DataFrame df 執(zhí)行此操作，因為它有多大。它不是 p1-p4，而是由 p1-p89 組成。我最初的想法是創(chuàng)建一個新列，其中包含我要過濾的 89 列的值：unique_list = []for n in range(0,df.shape[0]):    unique_list.append(str(df.values[n][1:90]))df['identifier'] = unique_list然后每一行都會有這 89 個值的標(biāo)識符，所以我可以根據(jù)該行進(jìn)行排序。然而，這需要相當(dāng)長的時間。我估計這個 for 循環(huán)將需要大約 40 分鐘才能完成。這不是令人難以忍受的長——當(dāng)我完成提交這個問題時，它可能會接近完成。但是為了學(xué)習(xí)，我不禁認(rèn)為必須有更有效的方法來完成這一點(diǎn)。那么，有嗎？有沒有辦法讓我在不需要創(chuàng)建新的標(biāo)識符列的情況下做到這一點(diǎn)？如果重要的話，我的最終目標(biāo)是創(chuàng)建一個新的 DataFrame，其中行數(shù)是 p1-p89 的唯一組合數(shù)。新 DataFrame 中的 'value' 列將是前一個 DataFrame 中該組合的所有實例的 'value' 列的總和，并且每個唯一組合都會有一個新的 find 'value' 列的總和p1-p89。