- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
在关系型数据库中,我们可以在列上创建索引,以加快对这些列的查询和连接。我想在 Pandas 数据框上做同样的事情。行索引似乎不是关系数据库提供的。
问题是:默认情况下,pandas 中的列是否已索引以供搜索?
如果不能,是否可以手动索引列以及如何做?
编辑:我已阅读 pandas 文档并到处搜索,但没有人提到 pandas 的索引和搜索/合并性能。似乎没有人关心这个问题,尽管它在关系数据库中很关键。任何人都可以就 Pandas 的索引和性能发表声明吗?
谢谢。
最佳答案
如@pvg 所述 - pandas 模型不是内存关系数据库的模型。所以,如果我们试图用 sql 和它的特性来类比 pandas,那对我们没有多大帮助。相反,让我们从根本上看问题 - 您正在有效地尝试加速列查找/连接。
您可以通过将您希望加入的列设置为两个数据帧(您希望加入的左右数据帧)中的索引来显着加快加入速度,并且然后对两个索引进行排序。
这是一个示例,向您展示加入排序索引时可以获得的加速:
import pandas as pd
from numpy.random import randint
# Creating DATAFRAME #1
columns1 = ['column_1', 'column_2']
rows_df_1 = []
# generate 500 rows
# each element is a number between 0 and 100
for i in range(0,500):
row = [randint(0,100) for x in range(0, 2)]
rows_df_1.append(row)
df1 = pd.DataFrame(rows_df_1)
df1.columns = columns1
print(df1.head())
第一个数据框如下所示:
Out[]:
column_1 column_2
0 83 66
1 91 12
2 49 0
3 26 75
4 84 60
让我们创建第二个数据框:
columns2 = ['column_3', 'column_4']
rows_df_2 = []
# generate 500 rows
# each element is a number between 0 and 100
for i in range(0,500):
row = [randint(0,100) for x in range(0, 2)]
rows_df_2.append(row)
df2 = pd.DataFrame(rows_df_1)
df2.columns = columns2
第二个数据框如下所示:
Out[]:
column_3 column_4
0 19 26
1 78 44
2 44 43
3 95 47
4 48 59
现在假设您希望在 column_1 == column_3
上加入这两个数据帧
# setting the join columns as indexes for each dataframe
df1 = df1.set_index('column_1')
df2 = df2.set_index('column_3')
# joining
%time
df1.join(df2)
Out[]:
CPU times: user 4 ms, sys: 0 ns, total: 4 ms
Wall time: 46 ms
如您所见,仅将连接列设置为数据帧索引并在之后连接大约需要 46 毫秒。现在,让我们尝试加入*在对索引进行排序之后*
# sorting indexes
df1 = df1.sort_index()
df2 = df2.sort_index()
Out[]:
CPU times: user 0 ns, sys: 0 ns, total: 0 ns
Wall time: 9.78 µs
这大约需要 9.78 微秒,速度要快得多。
我相信您可以将相同的排序技术应用于 pandas 列 - 按字典顺序对列进行排序并修改数据框。我没有测试下面的代码,但像这样的东西应该可以加快列查找速度:
import numpy as np
# Lets assume df is a dataframe with thousands of columns
df = read_csv('csv_file.csv')
columns = np.sort(df.columns)
df = df[columns]
现在列查找应该快得多 - 如果有人可以在具有一千列的数据框中测试这一点,那就太好了
关于python - 用于搜索的 Pandas 列索引?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42641018/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!