這期內(nèi)容當(dāng)中小編將會給大家?guī)碛嘘P(guān)Pandas使用小技巧有哪些，文章內(nèi)容豐富且以專業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。
網(wǎng)站的建設(shè)成都創(chuàng)新互聯(lián)專注網(wǎng)站定制,經(jīng)驗豐富,不做模板,主營網(wǎng)站定制開發(fā).小程序定制開發(fā),H5頁面制作!給你煥然一新的設(shè)計體驗!已為成都軟裝設(shè)計等企業(yè)提供專業(yè)服務(wù)。
對于動輒就幾十或幾百個 G 的數(shù)據(jù)，在讀取的這么大數(shù)據(jù)的時候，我們有沒有辦法隨機選取一小部分?jǐn)?shù)據(jù)，然后讀入內(nèi)存，快速了解數(shù)據(jù)和開展 EDA ？
使用 Pandas 的 skiprows 和 概率知識，就能做到。
下面解釋具體怎么做。
如下所示，讀取某 100 G 大小的 big_data.csv 數(shù)據(jù)
使用 skiprows 參數(shù)，
x > 0 確保首行讀入，
np.random.rand() > 0.01 表示 99% 的數(shù)據(jù)都會被隨機過濾掉
言外之意，只有全部數(shù)據(jù)的 1% 才有機會選入內(nèi)存中。
重慶分公司
重慶分公司
import pandas as pd
import numpy as np
df = pd.read_csv("big_data.csv",
skiprows =
lambda x: x>0 and np.random.rand() > 0.01)
print("The shape of the df is {}.
It has been reduced 100 times!".format(df.shape))
上述就是小編為大家分享的Pandas使用小技巧有哪些了，如果剛好有類似的疑惑，不妨參照上述分析進(jìn)行理解。如果想知道更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。
