Python 在大数据处理下的优化(三)DataFrame的生成效率提高4倍!!

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!
在这里插入图片描述在这里插入图片描述
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!!
在这里插入图片描述

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,

  • 6
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值