首次进口:散列熊猫据帧中断
import pandas as pd
import numpy as np
import hashlib
接下来,考虑以下因素:
np.random.seed(42)
arr = np.random.choice([41, 43, 42], size=(3,3))
df = pd.DataFrame(arr)
print(arr)
print(df)
print(hashlib.sha256(arr.tobytes()).hexdigest())
print(hashlib.sha256(df.values.tobytes()).hexdigest())
这个片段的多次执行产生相同的哈希值的两倍所有的时间:ddfee4572d380bef86d3ebe3cb7bfa7c68b7744f55f67f4e1ca5f6872c2c9ba1
。
然而,如果我们考虑以下因素:
np.random.seed(42)
arr = np.random.choice(['foo', 'bar', 42], size=(3,3))
df = pd.DataFrame(arr)
print(arr)
print(df)
print(hashlib.sha256(arr.tobytes()).hexdigest())
print(hashlib.sha256(df.values.tobytes()).hexdigest())
注有在现在的数据字符串。对于不同的评估,arr
的散列值是固定的(52db9328682317c44370b8186a5c6bae75f2a94c9d0d5b24d61f602857acd3de
),但每次更改pandas.DataFrame
。
围绕它的任何pythonic方式?没有Pythonic?
编辑:相关链接:
[博客文章概要](http://drorata.github.io/posts/2017/May/26/when-trying-to-hash-a-data-frame/ ) – Dror