- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
目前,h5文件中的数据没有前缀“b”。我用以下代码读取 h5 文件。我想知道是否有更好的方法来读取 h5 并且没有前缀“b”。
import tables as tb
import pandas as pd
import numpy as np
import time
time0=time.time()
pth='d:/download/'
# read data
data_trading=pth+'Trading_v01.h5'
filem=tb.open_file(data_trading,mode='a',driver="H5FD_CORE")
tb_trading=filem.get_node(where='/', name='wind_data')
df=pd.DataFrame.from_records(tb_trading[:])
time1=time.time()
print('\ntime on reading data %6.3fs' %(time1-time0))
# in python3, remove prefix 'b'
df.loc[:,'Date']=[[dt.decode('utf-8')] for dt in df.loc[:,'Date']]
df.loc[:,'Code']=[[cd.decode('utf-8')] for cd in df.loc[:,'Code']]
time2=time.time()
print("\ntime on removing prefix 'b' %6.3fs" %(time2-time1))
print('\ntotal time %6.3fs' %(time2-time0))
时间的结果
time on reading data 1.569s
time on removing prefix 'b' 29.921s
total time 31.490s
你看,删除前缀“b”确实很耗时。
我尝试使用 pd.read_hdf,它不增加前缀“b”。
%time df2=pd.read_hdf(data_trading)
Wall time: 14.7 s
到目前为止速度更快。
<小时/>使用this SO answer并使用矢量化 str.decode
,我可以将转换时间缩短至 9.1 秒(因此总时间少于 11 秒):
for key in ['Date', 'Code']:
df[key] = df[key].str.decode("utf-8")
<小时/>
问题:在读取 HDF 5 数据表时,是否有更有效的方法将字节列转换为字符串?
最佳答案
提高性能的最佳解决方案是停止尝试“删除 b
前缀”。 b
前缀之所以存在,是因为您的数据由字节组成,而 Python 3 坚持在许多地方显示此前缀来指示字节。即使是没有意义的地方,例如内置 csv
模块的输出。
但是在您自己的程序中,这可能不会造成任何损害,事实上,如果您想要最高的性能,您最好将这些列保留为字节
。如果您使用的是 Python 3.0 到 3.2,则尤其如此,因为它们始终使用多字节 unicode 表示形式 ( see )。
即使您使用的是 Python 3.3 或更高版本,从字节到 unicode 的转换不会花费您任何额外的空间,但如果您有大量数据,它仍然可能会浪费时间。
最后,如果您要处理的列大多是唯一的字符串,并且宽度有些一致,那么 Pandas 并不是最佳选择。例如,如果您有一列文本数据(车牌号),那么所有这些文本数据都将容纳大约 9 个字符。效率低下的原因是 Pandas 并不完全具有字符串列类型,而是使用 object
column type ,其中包含指向单独存储的字符串的指针。这对 CPU 缓存、内存带宽和内存消耗都不利(同样,如果您的字符串大多是唯一的且长度相似)。如果您的字符串具有高度可变的宽度,那么这可能是值得的,因为短字符串仅需要其自身的长度加上指针,而 NumPy 和 HDF5 中典型的固定宽度存储则采用每个字符串(甚至是空字符串)的完整列宽度.
要在 Python 中获得快速、固定宽度的字符串列,您可以考虑使用 NumPy,您可以通过优秀的 h5py
阅读它。图书馆。这将为您提供一个 NumPy 数组,它与 HDF5 中存储的基础数据更加相似。它可能仍然具有 b
前缀,因为 Python 坚持非 unicode 字符串始终显示此前缀,但这不一定是您应该尝试阻止的事情。
关于python - 将 HDF 5 文件读入 Pandas 时,如何避免字符串被读取为字节?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45260736/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!