การสร้างกรอบข้อมูลแพนด้าที่เติมเป็นศูนย์

อะไรคือวิธีที่ดีที่สุดในการสร้างกรอบข้อมูลแพนด้าที่ไม่มีค่าเป็นศูนย์ในขนาดที่กำหนด

ฉันได้ใช้:

zero_data = np.zeros(shape=(len(data),len(feature_list)))
d = pd.DataFrame(zero_data, columns=feature_list)

มีวิธีที่ดีกว่านี้ไหม

คุณสามารถลองสิ่งนี้:

d = pd.DataFrame(0, index=np.arange(len(data)), columns=feature_list)

เป็นการดีที่สุดที่จะทำสิ่งนี้โดยใช้ numpy ในความคิดของฉัน

import numpy as np
import pandas as pd
d = pd.DataFrame(np.zeros((N_rows, N_cols)))

คล้ายกับ @Shravan แต่ไม่มีการใช้ numpy:

  height = 10
  width = 20
  df_0 = pd.DataFrame(0, index=range(height), columns=range(width))

จากนั้นคุณสามารถทำอะไรก็ได้ที่คุณต้องการ:

post_instantiation_fcn = lambda x: str(x)
df_ready_for_whatever = df_0.applymap(post_instantiation_fcn)

หากคุณต้องการให้กรอบข้อมูลใหม่มีดัชนีและคอลัมน์เดียวกันกับกรอบข้อมูลที่มีอยู่คุณสามารถคูณกรอบข้อมูลที่มีอยู่ด้วยศูนย์:

df_zeros = df * 0

หากคุณมีดาต้าเฟรมอยู่แล้วนี่เป็นวิธีที่เร็วที่สุด:

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

เปรียบเทียบกับ:

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

สมมติว่ามีเทมเพลต DataFrame ซึ่งต้องการคัดลอกโดยมีค่าเป็นศูนย์ที่นี่ ...

หากคุณไม่มี NaN ในชุดข้อมูลการคูณด้วยศูนย์อาจเร็วกว่ามาก:

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

การปรับปรุงขึ้นอยู่กับขนาด DataFrame แต่ไม่เคยพบว่าช้าลง

และสำหรับความบ้าคลั่งของมัน:

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

แต่:

In [24]: %timeit d = orig_df.copy()
10 loops, best of 3: 24 ms per loop

แก้ไข !!!

สมมติว่าคุณมีเฟรมที่ใช้ float64 นี่จะเร็วที่สุดโดยมีระยะขอบมาก! นอกจากนี้ยังสามารถสร้างค่าใด ๆ โดยแทนที่ 0.0 เป็นหมายเลขเติมที่ต้องการ

In [23]: %timeit d = pd.eval('orig_df > 1.7976931348623157e+308 + 0.0')
100 loops, best of 3: 3.68 ms per loop

ขึ้นอยู่กับรสนิยมเราสามารถกำหนดน่านจากภายนอกและทำวิธีแก้ปัญหาทั่วไปโดยไม่คำนึงถึงประเภทลอยเฉพาะ:

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