- 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
我想根据 pandas 数据框中的分组数据创建一堆直方图。这是 a link到一个类似的问题。要生成一些与我正在使用的非常相似的玩具数据,您可以使用以下代码:
from pandas import DataFrame
import numpy as np
x = ['A']*300 + ['B']*400 + ['C']*300
y = np.random.randn(1000)
df = DataFrame({'Letter':x, 'N':y})
我想将这些直方图(读取分箱数据)放入新的数据框中并保存以供以后处理。这是真正的问题,我的文件有 6 GB,有 400k+ 组,只有 2 列。
我考虑过使用一个简单的 for 循环来完成这项工作:
data=[]
for group in df['Letter'].unique():
data.append(np.histogram(df[df['Letter']==group]['N'],range=(-2000,2000),bins=50,density=True)[0])
df2=DataFrame(data)
请注意,bins、range 和 density 关键字对于我的目的都是必需的,以便直方图在我的新数据帧 df2 中的行之间保持一致和标准化(参数值来 self 的真实数据集,因此它对玩具数据集的杀伤力过大). for 循环效果很好,在玩具数据集上按预期生成了 3 行和 50 列的 pandas 数据框。在我的真实数据集上,我估计完成代码的时间约为 9 天。有没有更好/更快的方法来完成我正在寻找的事情?
附言我考虑过多处理,但我认为创建进程和切片数据的开销会比连续运行它慢(我可能是错的,不介意在这个问题上得到纠正)。
最佳答案
对于您在此处描述的问题类型,我个人通常会执行以下操作,这基本上是将整个事情委托(delegate)给多线程 Cython/C++。这需要一些工作,但并非不可能,而且我不确定目前是否真的有可行的替代方案。
以下是构建 block :
首先,您的 df.x.values
、df.y.values
只是 numpy 数组。 This link展示了如何从此类数组中获取 C 指针。
现在您有了指针,您可以使用 Cython 的 prange
编写一个真正的多线程程序。并从这一点开始放弃任何 Python(您现在处于 C++ 领域)。假设您有 k 个线程扫描您的 6GB 数组,线程 i 处理其键具有 i 模 k 的散列的组。
对于 C 程序(这就是您的代码现在真正的样子),GNU 科学图书馆有一个 nice histogram module .
prange
完成后,您需要将 C++ 结构转换回 numpy 数组,然后再从那里转换回 DataFrame。用 Cython 包装整个东西,并像普通的 Python 函数一样使用它。
关于python - 从 pandas 数据框中保存的分组数据有效地创建大量直方图,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31460263/
您好,我正在处理 BIRT 报告。我有一个查询,我必须对父级的重复数据进行分组,但子级也不能分组! 在我的查询中: item 是父项,item_ledger_entry 是子项。我有来自 item.N
我正在使用 GA API。 这是针对 MCF 目标报告(底部)的标准目标完成指标表(顶部) 看一下这个: 总数加起来 (12,238),但看看按 channel 分组的分割有多么不同!我以为这些会很接
我正在开发一个流量计数器,我想获得 IP 和重复计数,但是如何? 就像是 :select ip, count(ip) from Redirect 返回 : null total ip count 重定
我尝试编写一个正则表达式来匹配条件表达式,例如: a!=2 1+2=2+a 我尝试提取运算符。我当前的正则表达式是“.+([!=<>]+).+” 但问题是匹配器总是尝试匹配组中可能的最短字符串
在 MS Transact SQL 中,假设我有一个这样的表(订单): Order Date Order Total Customer # 09/30/2008 8
我想按 m.ID 分组,并对每个 m.id 求和 (pm.amount_construction* prod.anzahl) 实际上我有以下结果: Meterial_id | amount_const
我想根据多列中的值对值进行分组。这是一个例子: 我想得到输出: {{-30,-50,20},{-20,30,60},{-30,NULL or other value, 20}} 我设法到达: SELE
我正在尝试找出运行此查询的最佳方式。我基本上需要返回在我们的系统中只下了一个订单的客户的“登录”字段列表(登录字段基本上是客户 ID/ key )。 我们系统的一些背景...... 客户在同一日期下的
给定以下mysql结果集: id code name importance '1234', 'ID-CS-B', 'Chocolate Sauce'
大家好,我的数据框中有以下列: LC_REF 1 DT 16 2C 2 DT 16 2C 3 DT 16 2C 1 DT 16 3C 6 DT 16 3C 3
我有这样的 mongoDB 集合 { "_id" : "EkKTRrpH4FY9AuRLj", "stage" : 10, }, { "_id" : "EkKTRrpH4FY9
假设我有一组数据对,其中 index 0 是值,index 1 是类型: input = [ ('11013331', 'KAT'), ('9085267',
java中用stream进行去重,排序,分组 一、distinct 1. 八大基本数据类型 List collect = ListUtil.of(1, 2, 3, 1, 2).stream().fil
基本上,我从 TABLE_A 中的这个开始 France - 100 France - 200 France - 300 Mexico - 50 Mexico - 50 Mexico - 56 Pol
我希望这个正则表达式 ([A-Z]+)$ 将选择此示例中的最后一次出现: AB.012.00.022ABC-1 AB.013.00.022AB-1 AB.014.00.022ABAB-1 但我没有匹配
我创建了一个数据透视表,但数据没有组合在一起。 任何人都可以帮助我获得所需的格式吗? 我为获取数据透视表而编写的查询: DECLARE @cols AS NVARCHAR(MAX), -- f
我想按时间段(月,周,日,小时,...)选择计数和分组。例如,我想选择行数并将它们按 24 小时分组。 我的表创建如下。日期是时间戳。 CREATE TABLE MSG ( MSG_ID dec
在 SQL Server 2005 中,我有一个包含如下数据的表: WTN------------Date 555-111-1212 2009-01-01 555-111-1212 2009-
题 假设我有 k 个标量列,如果它们沿着每列彼此在一定距离内,我想对它们进行分组。 假设简单 k 是 2 并且它们是我唯一的列。 pd.DataFrame(list(zip(sorted(choice
问题 在以下数据框中 df : import random import pandas as pd random.seed(999) sz = 50 qty = {'one': 1, 'two': 2
我是一名优秀的程序员,十分优秀!