当按每个月的最后一天对数据进行分组时，运行效率低下的原因可能是使用了循环遍历的方式来查找每个月的最后一天。这种方式在数据量较大时会导致性能下降。

下面给出一个解决方法，利用Python的pandas库来处理数据，提高运行效率。

import pandas as pd

# 假设有一个包含日期和数据的DataFrame
data = pd.DataFrame({
    'date': pd.date_range('2022-01-01', '2022-12-31'),
    'value': range(365)
})

# 将日期列设置为索引
data.set_index('date', inplace=True)

# 按每个月的最后一天进行分组
grouped_data = data.groupby(pd.Grouper(freq='M')).last()

print(grouped_data)

在上面的代码中，首先使用pd.date_range函数生成了一个包含从2022-01-01到2022-12-31的日期范围的序列。然后，利用这个日期序列和一个数据列创建了一个DataFrame对象。接着，使用set_index方法将日期列设置为索引，方便后续按日期进行分组。

最后，使用groupby方法和pd.Grouper对象将数据按每个月的最后一天进行分组，并通过调用last方法获取每个组的最后一天的数据。

这种方法利用了pandas库的内置函数和数据结构，能够更高效地进行日期分组操作，提高代码的运行效率。