问题:创建零填充的熊猫数据框
创建给定大小的零填充熊猫数据框的最佳方法是什么?
我用过了:
zero_data = np.zeros(shape=(len(data),len(feature_list)))
d = pd.DataFrame(zero_data, columns=feature_list)
有更好的方法吗?
回答 0
您可以尝试以下方法:
d = pd.DataFrame(0, index=np.arange(len(data)), columns=feature_list)
回答 1
我认为最好用numpy做到这一点
import numpy as np
import pandas as pd
d = pd.DataFrame(np.zeros((N_rows, N_cols)))
回答 2
类似于@Shravan,但不使用numpy:
height = 10
width = 20
df_0 = pd.DataFrame(0, index=range(height), columns=range(width))
然后,您可以使用它做任何您想做的事情:
post_instantiation_fcn = lambda x: str(x)
df_ready_for_whatever = df_0.applymap(post_instantiation_fcn)
回答 3
如果您希望新数据框具有与现有数据框相同的索引和列,则可以将现有数据框乘以零:
df_zeros = df * 0
回答 4
如果您已经有一个数据框,这是最快的方法:
In [1]: columns = ["col{}".format(i) for i in range(10)]
In [2]: orig_df = pd.DataFrame(np.ones((10, 10)), columns=columns)
In [3]: %timeit d = pd.DataFrame(np.zeros_like(orig_df), index=orig_df.index, columns=orig_df.columns)
10000 loops, best of 3: 60.2 µs per loop
相比于:
In [4]: %timeit d = pd.DataFrame(0, index = np.arange(10), columns=columns)
10000 loops, best of 3: 110 µs per loop
In [5]: temp = np.zeros((10, 10))
In [6]: %timeit d = pd.DataFrame(temp, columns=columns)
10000 loops, best of 3: 95.7 µs per loop
回答 5
假设有一个模板DataFrame,要在此处填充零值进行复制…
如果您的数据集中没有NaN,那么乘以零可能会更快:
In [19]: columns = ["col{}".format(i) for i in xrange(3000)]
In [20]: indices = xrange(2000)
In [21]: orig_df = pd.DataFrame(42.0, index=indices, columns=columns)
In [22]: %timeit d = pd.DataFrame(np.zeros_like(orig_df), index=orig_df.index, columns=orig_df.columns)
100 loops, best of 3: 12.6 ms per loop
In [23]: %timeit d = orig_df * 0.0
100 loops, best of 3: 7.17 ms per loop
改进取决于DataFrame的大小,但从未发现它会变慢。
只是为了它:
In [24]: %timeit d = orig_df * 0.0 + 1.0
100 loops, best of 3: 13.6 ms per loop
In [25]: %timeit d = pd.eval('orig_df * 0.0 + 1.0')
100 loops, best of 3: 8.36 ms per loop
但:
In [24]: %timeit d = orig_df.copy()
10 loops, best of 3: 24 ms per loop
编辑!!!
假设您有一个使用float64的框架,那么这将是最快的!通过将0.0替换为所需的填充编号,它还可以生成任何值。
In [23]: %timeit d = pd.eval('orig_df > 1.7976931348623157e+308 + 0.0')
100 loops, best of 3: 3.68 ms per loop
根据口味的不同,可以从外部定义nan,并做出通用的解决方案,而与特定的浮点类型无关:
In [39]: nan = np.nan
In [40]: %timeit d = pd.eval('orig_df > nan + 0.0')
100 loops, best of 3: 4.39 ms per loop