2
熊猫数据框通常以long(很多行)或wide(很多列)格式表示。将数据保存在熊猫中时宽vs长格式hdf5
我不知道哪种格式更快地读取并占据时保存为HDF文件(df.to_hdf
)的内存更少。
是否有一个通用规则或某些格式应该是首选的情况?
熊猫数据框通常以long(很多行)或wide(很多列)格式表示。将数据保存在熊猫中时宽vs长格式hdf5
我不知道哪种格式更快地读取并占据时保存为HDF文件(df.to_hdf
)的内存更少。
是否有一个通用规则或某些格式应该是首选的情况?
IMO长格式更加可取,因为您的元数据开销要小得多(有关列名,dtypes等的信息)。
在内存使用的术语,他们会或多或少相同:
In [22]: long = pd.DataFrame(np.random.randint(0, 10**6, (10**4, 4)))
In [23]: wide = pd.DataFrame(np.random.randint(0, 10**6, (4, 10**4)))
In [24]: long.shape
Out[24]: (10000, 4)
In [25]: wide.shape
Out[25]: (4, 10000)
In [26]: sys.getsizeof(long)
Out[26]: 160104
In [27]: sys.getsizeof(wide)
Out[27]: 160104
In [28]: wide.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Columns: 10000 entries, 0 to 9999
dtypes: int32(10000)
memory usage: 156.3 KB
In [29]: long.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10000 entries, 0 to 9999
Data columns (total 4 columns):
0 10000 non-null int32
1 10000 non-null int32
2 10000 non-null int32
3 10000 non-null int32
dtypes: int32(4)
memory usage: 156.3 KB
,你打算用什么样的dtypes的?对于你如何存储你的DF或者你是否要转置他们真的不重要? – MaxU
我有不同的数据框。有些人只有漂浮而其他人有绳子和漂浮物。他们安静的大(100GB),我想,以减少内存使用和阅读时间尽可能。 – Donbeo