今天看标题就知道我们又来谈的是优化,针对pandas的数据结构DataFrame做的优化。
当然这种优化更多的是提供给大家一种思路,而不是所有的DataFrame都可以这么转化。
废话不多说,我们直接来看今天的主要优化内容。
一、DataFrame数据结构
做过数据处理这块的应该都知道并且非常熟悉的pandas下最常用的二维表结构,DataFrame。
DataFrame自带的各种处理数据的函数给我们复杂的需求带来了很多的便捷,并且在数据量较少的情况下,处理速度都非常快,因此在很多地方都会用到相关的一些函数,例如apply,groupby等等。
但是!
使用这些便捷的函数的时候,首先要把数据转换成DataFrame吧。
有的童鞋说,很简单呀,直接调用DataFrame就可以转换了呀。
是的没错,直接调用就可以了。
但是在数据量特别大的情况下,直接调用对于追求高效率的你来说肯定是不够的。
在调用之前我们要对数据进行一下转换,能使得生成DataFrame的效率提高4倍!!
二、合理使用split+numpy
split 函数 对字符串进行切割
numpy 矩阵的处理库
在使用split函数的情况下
例如我们有如下的数据
list = [‘张三#5’,‘李四#10’]
像‘张三#5’这种储存结构在数据储存也比较常用,用某些特殊字符串将数据串起来,节省空间,但是就是处理数据的时候稍微麻烦一点。
现在假设我们有大量的这样的数据,但是希望将数据转换成DF格式,两列指标,名称,数值。便于对数据进行分析处理。
最常用的方法如下:
import pandas as pd
a_list = ['张三#5','李四#10']
df = pd.DataFrame([a.split("#") for a in a_list])
的确是这样,