由于需求旺盛，我
pandas在
tqdm（
pip install "tqdm>=4.9.0"）中添加了支持。与其他答案不同，这
不会明显降低熊猫的速度 -这是以下示例
DataframeGroupBy.progress_apply：
import pandas as pdimport numpy as npfrom tqdm import tqdm# from tqdm.auto import tqdm # for notebooksdf = pd.Dataframe(np.random.randint(0, int(1e8), (10000, 1000)))# Create and register a new `tqdm` instance with `pandas`# (can use tqdm_gui, optional kwargs, etc.)tqdm.pandas()# Now you can use `progress_apply` instead of `apply`df.groupby(0).progress_apply(lambda x: x**2)
如果您对它的工作方式（以及如何为自己的回调进行修改）感兴趣，请参阅github上的示例，pypi上的完整文档或导入模块并运行
help(tqdm)。其它支持的功能包括
map，
applymap，
aggregate，和
transform。
编辑
要直接回答原始问题，请替换为：
df_users.groupby(['userID', 'requestDate']).apply(feature_rollup)
与：
from tqdm import tqdmtqdm.pandas()df_users.groupby(['userID', 'requestDate']).progress_apply(feature_rollup)
注意：tqdm <= v4.8：对于低于4.8的tqdm版本，
tqdm.pandas()您不必执行以下操作：
from tqdm import tqdm, tqdm_pandastqdm_pandas(tqdm())
