pandas高效的数据帧集行

Question

首先,我预先分配了以下空DataFrame:

df=DataFrame(columns=range(10000),index=range(1000))

然后我想df逐行(有效地)使用长度为10000的numpy数组作为数据更新.我的问题是:我甚至不知道我应该使用哪种DataFrame方法来完成此任务.

谢谢!

Answer 1

这里有3种方法,只有100列,1000行

In [5]: row = np.random.randn(100)

明智的分配

In [6]: def method1():
   ...:     df = DataFrame(columns=range(100),index=range(1000))
   ...:     for i in xrange(len(df)):
   ...:         df.iloc[i] = row
   ...:     return df
   ...: 

在列表中构建数组,一次创建框架

In [9]: def method2():
   ...:     return DataFrame([ row for i in range(1000) ])
   ...: 

逐列赋值(两端都有转置)

In [13]: def method3():
   ....:     df = DataFrame(columns=range(100),index=range(1000)).T
   ....:     for i in xrange(1000):
   ....:         df[i] = row
   ....:     return df.T
   ....: 

这些都具有相同的输出帧

In [22]: (method2() == method1()).all().all()
Out[22]: True

In [23]: (method2() == method3()).all().all()
Out[23]: True


In [8]: %timeit method1()
1 loops, best of 3: 1.76 s per loop

In [10]: %timeit method2()
1000 loops, best of 3: 7.79 ms per loop

In [14]: %timeit method3()
1 loops, best of 3: 1.33 s per loop

建立一个列表是明确的,然后一次创建框架比执行任何形式的分配快几个数量级.作业涉及复制.立即建立所有只复制一次.