将所有数据帧列强制转换为float的最快方法 - pandas astype slow

Question

有没有更快的方法将pandas数据帧的所有列转换为单一类型？这似乎特别慢:

df = df.apply(lambda x: x.astype(np.float64), axis=1)

我怀疑由于内存分配开销,我无能为力numpy.ndarray.astype.

我也试过了,pd.to_numeric但它任意选择将我的一些列转换为int类型.

Answer 1

不需要apply,只需DataFrame.astype直接使用.

df.astype(np.float64)

apply-ing也会给你一个非常糟糕的性能打击.

例

df = pd.DataFrame(np.arange(10**7).reshape(10**4, 10**3))

%timeit df.astype(np.float64)
1 loop, best of 3: 288 ms per loop

%timeit df.apply(lambda x: x.astype(np.float64), axis=0)
1 loop, best of 3: 748 ms per loop

%timeit df.apply(lambda x: x.astype(np.float64), axis=1)
1 loop, best of 3: 2.95 s per loop

Answer 2

一种有效的方法是使用数组数据并将其转换回数据帧，如下所示 -

pd.DataFrame(df.values.astype(np.float64))

运行时测试 -

In [144]: df = pd.DataFrame(np.random.randint(11,99,(5000,5000)))

In [145]: %timeit df.astype(np.float64) # @Mitch's soln
10 loops, best of 3: 121 ms per loop

In [146]: %timeit pd.DataFrame(df.values.astype(np.float64))
10 loops, best of 3: 42.5 ms per loop

转换回数据框并没有那么昂贵 -

In [147]: %timeit df.values.astype(np.float64)
10 loops, best of 3: 42.3 ms per loop # Casting to dataframe costed 0.2ms