Как проанализировать CSV непосредственно в желаемом DataFrame:
Передавать спецификацию функции pandas.read_csv
converters
аргумент ключевого слова:
import pandas as pd
import datetime as DT
nfp = pd.read_csv("NFP.csv",
sep=r'[\s,]', # 1
header=None, skiprows=1,
converters={ # 2
0: lambda x: DT.datetime.strptime(x, '%Y%m%d'),
1: lambda x: DT.time(*map(int, x.split(':')))},
names=['Date', 'Time', 'Actual', 'Consensus', 'Previous'])
print(nfp)
дает
Date Time Actual Consensus Previous
0 2014-01-10 13:30:00 74000 196000 241000
1 2013-12-06 13:30:00 241000 180000 200000
2 2013-11-08 13:30:00 200000 125000 163000
3 2013-10-22 12:30:00 163000 180000 193000
4 2013-09-06 12:30:00 193000 180000 104000
5 2013-08-02 12:30:00 104000 184000 188000
6 2013-07-05 12:30:00 188000 165000 176000
7 2013-06-07 12:30:00 176000 170000 165000
8 2013-05-03 12:30:00 165000 145000 138000
9 2013-04-05 12:30:00 138000 200000 268000
sep=r'[\s,]'
сообщает read_csv
разделить строки csv на шаблон регулярного выражения r'[\s,]'
- пробел или запятую. converters
] указывает read_csv
применять заданные функции к определенным столбцам. Ключи (например, 0 и 1) относятся к индексу столбца, а значения - это функции, которые будут применяться. Как разбить DataFrame после выполнения csv_read
import pandas as pd
nfp = pd.read_csv("NFP.csv", parse_dates=[0], infer_datetime_format=True)
temp = pd.DatetimeIndex(nfp['DateTime'])
nfp['Date'] = temp.date
nfp['Time'] = temp.time
del nfp['DateTime']
print(nfp)
Что быстрее?
Это зависит от размера CSV. (Спасибо Джеффу за это указание.)
Для крошечных CSV синтаксический разбор CSV в нужную форму выполняется быстрее, чем с использованием DatetimeIndex после разбора с parse_dates=[0]
:
def using_converter():
nfp = pd.read_csv("NFP.csv", sep=r'[\s,]', header=None, skiprows=1,
converters={
0: lambda x: DT.datetime.strptime(x, '%Y%m%d'),
1: lambda x: DT.time(*map(int, x.split(':')))},
names=['Date', 'Time', 'Actual', 'Consensus', 'Previous'])
return nfp
def using_index():
nfp = pd.read_csv("NFP.csv", parse_dates=[0], infer_datetime_format=True)
temp = pd.DatetimeIndex(nfp['DateTime'])
nfp['Date'] = temp.date
nfp['Time'] = temp.time
del nfp['DateTime']
return nfp
In [114]: %timeit using_index()
100 loops, best of 3: 1.71 ms per loop
In [115]: %timeit using_converter()
1000 loops, best of 3: 914 µs per loop
Однако для CSV всего несколько сотен строк или более, использование DatetimeIndex выполняется быстрее.
N = 20
filename = '/tmp/data'
content = '''\
DateTime,Actual,Consensus,Previous
20140110 13:30:00,74000,196000,241000
20131206 13:30:00,241000,180000,200000
20131108 13:30:00,200000,125000,163000
20131022 12:30:00,163000,180000,193000
20130906 12:30:00,193000,180000,104000
20130802 12:30:00,104000,184000,188000
20130705 12:30:00,188000,165000,176000
20130607 12:30:00,176000,170000,165000
20130503 12:30:00,165000,145000,138000
20130405 12:30:00,138000,200000,268000'''
def setup(n):
header, remainder = content.split('\n', 1)
with open(filename, 'w') as f:
f.write('\n'.join([header]+[remainder]*n))
In [304]: setup(50)
In [305]: %timeit using_converter()
100 loops, best of 3: 9.78 ms per loop
In [306]: %timeit using_index()
100 loops, best of 3: 9.3 ms per loop
Где я могу найти эту информацию?
?
после функции, он даст вам docstring функции. Эти две функции действительно помогут вам быстро изучить объекты Python. Он также сообщает вам, в каком файле определена функция (если она определена в чистом Python) - что приводит меня к ... Просто продолжайте. Чем больше вы знаете, тем легче это получится.
Если вы дадите ему свой лучший снимок и до сих пор не можете найти ответ, отправьте вопрос в Stackoverflow. Вы, надеюсь, быстро получите ответ и поможете другим найти то же самое.