【原创】大数据量时生成DataFrame避免使用效率低的append方法

时间:2023-02-15 19:52:33
 
 
 
★append方法可以很方便地拼接两个DataFrame
1 df1.append(df2)
2  
3 >    A  B
4 > 1 A1 B1
5 > 2 A2 B2
6 > 3 A3 B3
7 > 4 A4 B4

 

★但数据量大时生成DataFrame,应避免使用append方法
因为:
       与python列表中的append和extend方法不同的是pandas的append方法不会改变原来的对象,而是创建一个新的对象。当然,这样的话会使效率变低而且会占用更多内存,所以如果你有很多数据需要append,建议使用列表,然后传给DataFrame。
       建议直接用空列表依次装好各列的数据,再统一生成总的dataframe表,如下例所示。
 
 1 import pandas as pd
 2 import numpy as np
 3 from datetime import datetime
 4  
 5  
 6 # 模拟生成较大批次量的数据
 7 df_list = [pd.DataFrame({
 8     'a': [np.random.rand() for _ in range(20000)],
 9     'b': [np.random.rand() for _ in range(20000)]
10 }) for i in range(800)]
11  
12  
13 # %% 第一种方式(运行时间最长——1分钟,内存占用一般)
14 start1 = datetime.now()
15 res1 = pd.DataFrame()
16 for df in df_list:
17     res1 = res1.append(df)
18 print('append耗时:%s秒' % (datetime.now() - start1))
19  
20  
21 # %% 第二种方式(运行时间相对第一种少一些——46秒,但内存接近溢出)
22 start2 = datetime.now()
23 dict_list = [df.to_dict() for df in df_list]
24 combine_dict = {}
25 i = 0
26 for dic in dict_list:
27     length = len(list(dic.values())[0])
28     for idx in range(length):
29         combine_dict[i] = {k: dic[k][idx] for k in dic.keys()}
30         i += 1
31 res2 = pd.DataFrame.from_dict(combine_dict, 'index')
32 print('dict合并方式耗时:%s秒' % (datetime.now() - start2))
33  
34  
35 # %% 第三种方式:list装好所有值(运行时间最短——4秒多,内存占用低)
36 start3 = datetime.now()
37 columns = ['a', 'b']
38 a_list = []
39 b_list = []
40  
41 for df in df_list:
42     a_list.extend(df['a'])
43     b_list.extend(df['b'])
44 res3 = pd.DataFrame({'a': a_list, 'b': b_list})
45 print('list装好所有值方式耗时:%s秒' % (datetime.now() - start3))