iis服务器助手广告广告
返回顶部
首页 > 资讯 > 后端开发 > Python >pandas 使用merge实现百倍加速的操作
  • 751
分享到

pandas 使用merge实现百倍加速的操作

2024-04-02 19:04:59 751人浏览 安东尼

Python 官方文档:入门教程 => 点击学习

摘要

对于非连续数据集,数据可视化时候需要每七天一个采样点。要求是选择此前最新的数据作为当日的数据展示,譬如今天是2019-06-18,而数据集里只有2019-06-15,那就用2019-

对于非连续数据集,数据可视化时候需要每七天一个采样点。要求是选择此前最新的数据作为当日的数据展示,譬如今天是2019-06-18,而数据集里只有2019-06-15,那就用2019-06-15的数据作为2019-06-18的数据去描点。

每七天一个采样点,会使得每天展示所选的数据都会有所不同。当时间往后推移一天,日期为2019-06-19,那么最新数据点从2019-06-19开始,第二个就是2019-06-12。这里就需要一个算法来快速的根据当前日期去选出(填充)一系列数据供数据可视化之用。

一个非常直接的实现方法:

先生成一串目标时间序列,从某个开始日到今天为止,每七天一个日期。

把这些日期map到数据集的日期, Eg. {“2019-06-18”:“2019-06-15”…} 。

把map到的数据抽出来用pd.concat接起来。

代码如下:


target_dates = pd.date_range(end=now, periods=100, freq="7D")
full_dates = pd.date_range(start, now).tolist()
org_dates = df.date.tolist()

last_date = None
for d in full_dates:
 if d in org_dates:
  date_map[d] = d
  last_date = d
 elif last_date is not None:
  date_map[d] = last_date
 else:
  continue
new_df = pd.DataFrame()
for td in target_dates:
 new_df = pd.concat([new_df, df[df["date"]==date_map[td]]) 

这样的一个算法处理一个接近千万量级的数据集上大概需要十多分钟。仔细检查发现,每一次合并的dataframe数据量并不小,而且总的操作次数达到上万次。

所以就想如何避免高频次地使用pd.concat去合并dataframe。

最终想到了一个巧妙的方法,只需要修改一下前面的第三步,把日期的map转换成dataframe,然后和原始数据集做merge操作就可以了。


target_dates = pd.date_range(end=now, periods=100, freq="7D")
full_dates = pd.date_range(start, now).tolist()
org_dates = df.date.tolist()

last_date = None
for d in full_dates:
 if d in org_dates:
  date_map[d] = d
  last_date = d
 elif last_date is not None:
  date_map[d] = last_date
 else:
  continue
  
#### main change is from here #####
date_map_list = []
for td in target_dates:
 date_map_list.append({"target_date":td, "org_date":date_map[td]}) 
date_map_df = pd.DataFrame(date_map_list)
new_df = date_map_df.merge(df, left_on=["org_date"], right_on=["date"], how="inner") 

改进之后,所有的循环操作都在一个微数量级上,最后一个merge操作得到了所有有用的数据,运行时间在5秒左右,大大提升了性能。

补充:Pandas DataFrames 中 merge 合并的坑点(出现重复连接键)

在我的实际开发中遇到的坑点,查阅了相关文档 总结一下


left = pd.DataFrame({'A': [1, 2], 'B': [2, 2]})


right = pd.DataFrame({'A': [4, 5, 6], 'B': [2, 2, 2]})


result = pd.merge(left, right, on='B', how='outer')

警告:在重复键上加入/合并可能导致返回的帧是行维度的乘法,这可能导致内存溢出。在加入大型DataFrame之前,重复值。

检查重复键

如果知道右侧的重复项DataFrame但希望确保左侧DataFrame中没有重复项,则可以使用该 validate='one_to_many'参数,这不会引发异常。


pd.merge(left, right, on='B', how='outer', validate="one_to_many")
 
# 打印的结果:
 A_x B A_y
0 1 1 NaN
1 2 2 4.0
2 2 2 5.0
3 2 2 6.0

参数:


validate : str, optional
If specified, checks if merge is of specified type.

“one_to_one” or “1:1”: check if merge keys are unique in both left and right datasets.
“one_to_many” or “1:m”: check if merge keys are unique in left dataset.
“many_to_one” or “m:1”: check if merge keys are unique in right dataset.
“many_to_many” or “m:m”: allowed, but does not result in checks.

官方文档连接:

pandas文档中提及 merge

以上为个人经验,希望能给大家一个参考,也希望大家多多支持编程网。如有错误或未考虑完全的地方,望不吝赐教。

--结束END--

本文标题: pandas 使用merge实现百倍加速的操作

本文链接: https://www.lsjlt.com/news/122971.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

本篇文章演示代码以及资料文档资料下载

下载Word文档到电脑,方便收藏和打印~

下载Word文档
猜你喜欢
  • pandas 使用merge实现百倍加速的操作
    对于非连续数据集,数据可视化时候需要每七天一个采样点。要求是选择此前最新的数据作为当日的数据展示,譬如今天是2019-06-18,而数据集里只有2019-06-15,那就用2019-...
    99+
    2024-04-02
  • pandas怎么使用merge实现百倍加速的操作
    小编给大家分享一下pandas怎么使用merge实现百倍加速的操作,希望大家阅读完这篇文章之后都有所收获,下面让我们一起去探讨吧!一个非常直接的实现方法:先生成一串目标时间序列,从某个开始日到今天为止,每七天一个日期。把这些日期map到数据...
    99+
    2023-06-14
  • Pandas中Apply函数加速百倍的技巧分享
    目录前言实验对比01 Apply(Baseline)02 Swift加速03 向量化04 类别转化+向量化05 转化为values处理实验汇总前言 虽然目前dask,cudf等包的出...
    99+
    2024-04-02
  • Python实现GPU加速的基本操作
    目录CUDA的线程与块用GPU打印线程编号用GPU打印块编号用GPU打印块的维度用GPU打印线程的维度总结GPU所支持的最大并行度GPU的加速效果总结概要CUDA的线程与块 GPU从...
    99+
    2024-04-02
  • 使用pandas模块实现数据的标准化操作
    如下所示: 3σ 原则 (u-3*σ ,u+3*σ ) ...
    99+
    2024-04-02
  • Java 8 中 Map 骚操作之 merge() 的使用方法
    Java 8 最大的特性无异于更多地面向函数,比如引入了lambda等,可以更好地进行函数式编程。前段时间无意间发现了map.merge()方法,感觉还是很好用的,此文简单做一些相关...
    99+
    2024-04-02
  • C#中使用Cache框架快速实现Cache操作
    .NET 4.0中新增了一个System.Runtime.Caching的名字空间,它提供了一系列可扩展的Cache框架,本文就简单的介绍一下如何使用它给程序添加Cache。 一个C...
    99+
    2024-04-02
  • python中pandas操作apply返回多列的实现
    目录apply 返回多列生成新列多行操作举例我们可以用DataFrame的apply函数实现对多列,多行的操作。 需要记住的是,参数axis设为1是对列进行操作,参数axis设为0是...
    99+
    2024-04-02
  • 12个Pandas/NumPy中的加速函数使用总结
    目录Numpy 的 6 种高效函数argpartition()allclose()clip()extract()where()percentile()Pandas 数据统计...
    99+
    2024-04-02
  • 如何通过zeno实现加速屏幕显示操作
    这篇文章主要讲解了“如何通过zeno实现加速屏幕显示操作”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“如何通过zeno实现加速屏幕显示操作”吧!      &n...
    99+
    2023-06-13
  • 如何在 Windows 上使用 NumPy 加速 Go 的缓存操作?
    缓存操作是大多数计算机程序的重要组成部分。在高负载场景下,缓存操作的性能往往是应用程序性能的瓶颈。为了提高缓存操作的性能,我们可以使用 NumPy 库,这是一个用于 Python 的开源数学库。在本文中,我们将介绍如何在 Windows ...
    99+
    2023-07-10
    缓存 windows numy
  • Pandas实现数据拼接的操作方法详解
    目录merge 操作merge 拼接方式merge 举例join 操作join 举例concat 操作concat 举例append 举例数据科学领域日常使用 Python 处理大规...
    99+
    2024-04-02
  • Python 常见加密操作的实现
    目录hashlib加密hmac加密secretsbase64cryptographyhashlib加密 import hashlib   # 有很多种加密方式,md5,...
    99+
    2024-04-02
  • 哪些方式可以实现加速Javascript DOM操作优化
    本篇文章给大家分享的是有关哪些方式可以实现加速Javascript DOM操作优化,小编觉得挺实用的,因此分享给大家学习,希望大家阅读完这篇文章后可以有所收获,话不多说,跟着小编一起来看看吧。你对加速Jav...
    99+
    2024-04-02
  • Python 使用dict实现switch的操作
    Python3还是没有switch,可以利用if-else来实现,但是非常不方便。使用dict来实现会比较简洁优雅。 # -*- coding: utf-8 -*- """ Py...
    99+
    2024-04-02
  • C#中怎么使用Cache框架快速实现Cache操作
    这篇“C#中怎么使用Cache框架快速实现Cache操作”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“C#中怎么使用Cach...
    99+
    2023-07-02
  • 迅速学会@ConfigurationProperties的使用操作
    目录@ConfigurationProperties的使用@ConfigurationPropertiesSpring配置方式注解@ConfigurationProperties使用...
    99+
    2024-04-02
  • 如何使用jQuery实现的DOM操作
    本篇内容主要讲解“如何使用jQuery实现的DOM操作”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“如何使用jQuery实现的DOM操作”吧!第01回:节点创建...
    99+
    2024-04-02
  • 如何在 Java 和 Unix 中使用 Numpy 加速数组操作?
    Numpy是一个用于科学计算的Python库,它提供了一个高效的多维数组对象,以及针对这些数组的各种操作函数。在Python中使用Numpy可以方便地进行数组计算,但是如果在Java和Unix中使用Numpy加速数组操作,该怎么做呢?本文将...
    99+
    2023-10-06
    unix 数组 numpy
  • Pandas操作两个Excel实现数据对应行的合并
    目录写在前面主要思路写在前面 最近有朋友问我怎么把一个Excel工作表中的数据按照对应的匹配规则放到另外一个表中, 要求是两个对应的列要相同, 具体来看就是sheet1中数据比较多,...
    99+
    2023-01-17
    Pandas Excel行合并 Pandas Excel合并
软考高级职称资格查询
编程网,编程工程师的家园,是目前国内优秀的开源技术社区之一,形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容,为IT开发者提供了一个发现、使用、并交流开源技术的平台。
  • 官方手机版

  • 微信公众号

  • 商务合作