gpt4 book ai didi

python - 将行附加到 DataFrame 的最快和最有效的方法是什么?

转载 作者:行者123 更新时间:2023-12-03 15:22:19 24 4
gpt4 key购买 nike

我有一个大型数据集,我必须将其转换为 .csv 格式,我有 29 列和超过一百万行。我正在使用 python 和 pandas 数据框来处理这项工作。我认为随着数据框变大,将任何行附加到它会变得越来越耗时。我想知道是否有任何更快的方法,共享代码中的相关片段。

不过,欢迎提出任何建议。


df = DataFrame()

for startID in range(0, 100000, 1000):
s1 = time.time()
tempdf = DataFrame()
url = f'https://******/products?startId={startID}&size=1000'

r = requests.get(url, headers={'****-Token': 'xxxxxx', 'Merchant-Id': '****'})
jsonList = r.json() # datatype= list, contains= dict

normalized = json_normalize(jsonList)
# type(normal) = pandas.DataFrame
print(startID / 1000) # status indicator
for series in normalized.iterrows():
series = series[1] # iterrows returns tuple (index, series)
offers = series['offers']
series = series.drop(columns='offers')
length = len(offers)

for offer in offers:
n = json_normalize(offer).squeeze() # squeeze() casts DataFrame into Series
concatinated = concat([series, n]).to_frame().transpose()
tempdf = tempdf.append(concatinated, ignore_index=True)

del normalized
df = df.append(tempdf)
f1 = time.time()
print(f1 - s1, ' seconds')

df.to_csv('out.csv')

最佳答案

正如 Mohit Motwani 建议的,最快的方法是将数据收集到字典中,然后将所有数据加载到数据框中。下面是一些速度测量示例:

import pandas as pd
import numpy as np
import time
import random

end_value = 10000
用于创建字典列表并在最后将所有内容加载到数据框中的测量
start_time = time.time()
dictinary_list = []
for i in range(0, end_value, 1):
dictionary_data = {k: random.random() for k in range(30)}
dictionary_list.append(dictionary_data)

df_final = pd.DataFrame.from_dict(dictionary_list)

end_time = time.time()
print('Execution time = %.6f seconds' % (end_time-start_time))
执行时间 = 0.090153 秒
将数据附加到列表中并连接到数据框中的度量:
start_time = time.time()
appended_data = []
for i in range(0, end_value, 1):
data = pd.DataFrame(np.random.randint(0, 100, size=(1, 30)), columns=list('A'*30))
appended_data.append(data)

appended_data = pd.concat(appended_data, axis=0)

end_time = time.time()
print('Execution time = %.6f seconds' % (end_time-start_time))
执行时间 = 4.183921 秒
附加数据帧的测量:
start_time = time.time()
df_final = pd.DataFrame()
for i in range(0, end_value, 1):
df = pd.DataFrame(np.random.randint(0, 100, size=(1, 30)), columns=list('A'*30))
df_final = df_final.append(df)

end_time = time.time()
print('Execution time = %.6f seconds' % (end_time-start_time))
执行时间 = 11.085888 秒
使用 loc 测量插入数据:
start_time = time.time()
df = pd.DataFrame(columns=list('A'*30))
for i in range(0, end_value, 1):
df.loc[i] = list(np.random.randint(0, 100, size=30))


end_time = time.time()
print('Execution time = %.6f seconds' % (end_time-start_time))
执行时间 = 21.029176 秒

关于python - 将行附加到 DataFrame 的最快和最有效的方法是什么?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57000903/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com