Создание нулевого заполненного кадра данных панд

Каков наилучший способ создания нулевого заполненного кадра данных pandas заданного размера?

Я использовал:

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

Есть ли лучший способ сделать это?

5 Solutions collect form web for “Создание нулевого заполненного кадра данных панд”

Вы можете попробовать следующее:

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

Лучше всего это делать с numpy по-моему

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

Предполагая наличие шаблона DataFrame, который нужно скопировать с нулевыми значениями, заполненными здесь …

Если у вас нет NaN в вашем наборе данных, умножение на ноль может быть значительно быстрее:

 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 

Улучшение зависит от размера DataFrame, но никогда не находило его медленнее.

И просто для этого:

 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 

Но:

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

РЕДАКТИРОВАТЬ!!!

Предполагая, что у вас есть фрейм с использованием float64, это будет самым быстрым с огромным отрывом! Он также может генерировать любое значение, заменяя 0.0 на желаемый номер заполнения.

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

В зависимости от вкуса, внешне можно определить nan и сделать общее решение, независимо от конкретного типа float:

 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 

Подобно @Shravan, но без использования numpy:

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

Затем вы можете делать с ним все, что хотите:

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

Если у вас уже есть dataframe, это самый быстрый способ:

 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 

По сравнению с:

 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 
  • Как получить данные в правильном фрейме данных, который не находится в левом фрейме данных
  • Как создать счетчики терминов в одном столбце и отменить подсчеты как дополнительные coulmns в кадре данных pandas
  • При использовании pandas.to_datetime сохранять только дату.
  • Объединить последовательные строки с одинаковыми значениями столбцов
  • Чтение листа excel с несколькими заголовками с использованием Pandas
  • Применение строковых функций к элементам, которые могут быть NaN
  • Как вы очищаете и переадресовываете многократную 1-минутную временную серию с пандами?
  • Фильтрация строк данных данных, если значение в столбце указано в списке значений
  • Панды: импорт Дата и 12 часов Время вместе
  • Construct pandas DataFrame из элементов вложенного словаря
  • Как импортировать файл gzip, превышающий размер RAM, в Pandas DataFrame? «Убить 9» Использовать HDF5?
  • Python - лучший язык программирования в мире.