我有一个Pandas Dataframe ，它是一个小 Dataframe 的（大量的）重复，但是只有一列是不重复的。我想应用一个函数，这个函数可以作用于这个不重复的列和其中一个重复的列。但是整个过程很慢，我需要一个替代的方法来更快地工作。下面是一个最小的例子：

import pandas as pd
import numpy as np
import random

repeating_times = 4
df = pd.DataFrame({"col1": [1, 2, 3, 4, 5]*repeating_times,
                   "col2": ['a', 'b', 'c', 'd', 'e']*repeating_times,
                   "true": ['P', 'P', 'N', 'P', 'N']*repeating_times,
                   "pred": random.choices(["P", "N"], k=5*repeating_times)})

grps = df.groupby(by=["col1", "col2"])
true_pos = grps.apply(lambda gr: np.sum(gr[gr['pred'] == 'P']["true"] == 'P'))
true_pos

true_pos测量（col1，col2）的所有组的真阳性样本（其中预测值和真值为正类）。

**更新：**一个更好的方法是使用agg而不是应用函数。

repeating_times = 4
df = pd.DataFrame({"col1": [1, 2, 3, 4, 5]*repeating_times,
                   "col2": ['a', 'b', 'c', 'd', 'e']*repeating_times,
                   "true": ['P', 'P', 'N', 'P', 'N']*repeating_times,
                   "pred": random.choices(["P", "N"], k=5*repeating_times)})

df["true_pos"] = (df["true"]=="P") & (df["pred"]=="P")

true_pos = df.groupby(["col1", "col2"]).agg({"true_pos": "sum"})