Pandas如何獲取數(shù)據(jù)的尺寸信息

更新時間：2024年02月23日 09:38:57 作者：勤奮的大熊貓

這篇文章主要介紹了Pandas如何獲取數(shù)據(jù)的尺寸信息問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教

Pandas獲取數(shù)據(jù)的尺寸信息

Pandas中獲取數(shù)據(jù)的尺寸信息，比如我們有如下的Excel數(shù)據(jù)：

在這里插入圖片描述

我們可以使用如下代碼來獲取數(shù)據(jù)的整體尺寸信息：

import pandas as pd

file = pd.read_excel(r"C:\Users\15025\Desktop\uncle\debug.xlsx")
print(file.size)
print(file.shape)
print(len(file))
"""
result:
55
(11, 5)
11
"""

可以看到，結(jié)果與numpy包中的結(jié)果類似，當(dāng)我們的數(shù)據(jù)為二維時，使用size獲取到的是數(shù)據(jù)的整體大小，為行數(shù)量11乘以列數(shù)量5。

當(dāng)我們使用shape時，獲取到的是二維數(shù)據(jù)行數(shù)量與列數(shù)量組成的一個元組(11, 5)。

當(dāng)我們使用len()函數(shù)作用于二維數(shù)據(jù)時，我們獲得的是行數(shù)量。

當(dāng)數(shù)據(jù)為一維時，我們使用len()函數(shù)獲取的結(jié)果將會與使用size獲取到的結(jié)果一致。

pandas處理大數(shù)據(jù)信息

使用到的數(shù)據(jù)大小為130M

5 rows × 161 columns

g1.shape
#(171907, 161)
#17W的數(shù)據(jù)，有161列

pandas 可以處理幾千萬，上億的數(shù)據(jù)

打印出每種類型占的內(nèi)存量

for dtype in ['float64','int64','object']:
    selected_dtype = g1.select_dtypes(include = [dtype])
    mean_usage_b = selected_dtype.memory_usage(deep=True).mean()
    mean_usage_mb = mean_usage_b/1024**2
    print('平均內(nèi)存占用 ',dtype , mean_usage_mb)
'''
deep ： bool，默認為False
如果為True，則通過詢問對象 dtype
來深入了解數(shù)據(jù) 的系統(tǒng)級內(nèi)存消耗，
并將其包含在返回值中。
'''

讓內(nèi)存占用變小，int 類型從64 變?yōu)?32，在不影響使用的前提下

#查看每種類型最大 能表示多大的數(shù)
int_types = ['uint8','int8','int16','int32','int64']
for it in int_types:
    print(np.iinfo(it))

g1_int = g1.select_dtypes(include = ['int64'])
#生成一個只有int類型的DataFrame
coverted_int = g1_int.apply(pd.to_numeric, downcast='unsigned')
#apply 會將數(shù)據(jù)一條一條的讀取，并傳入目標(biāo)進行執(zhí)行
#int64 轉(zhuǎn)換為了 unsigned

g1_float = g1.select_dtypes(include = ['float64'])
#生成一個只有int類型的DataFrame
coverted_floar = g1_int.apply(pd.to_numeric, downcast='float')
#apply 會將數(shù)據(jù)一條一條的讀取，并傳入目標(biāo)進行執(zhí)行
#float64轉(zhuǎn)換為了32

import pandas as pd
g1 = pd.read_csv('game_logs.csv')
g1_obj = g1.select_dtypes(include = ['object'])
g1.shape
#(171907, 78)
g1_obj.describe()
#查看信息生成的介紹
#count 數(shù)量
#unique	 不重復(fù)的值
#top   
#freq

dow = g1_obj.day_of_week
dow_cat = dow.astype('category')
dow_cat.head()

優(yōu)化str占用內(nèi)存

converted_obj = pd.DataFrame()

for col in g1_obj.columns:
    num_unique_values = len(g1_obj[col].unique())
    num_total_values= len(g1_obj[col])
    if num_unique_values / num_total_values < 0.5:
        converted_obj.loc[:,col] = g1_obj[col].astype('category')
    else:
        converted_obj.loc[:,col] = g1_obj[col]

#時間格式，寫成標(biāo)準格式的是比較占用內(nèi)存的
#可以轉(zhuǎn)換時間格式
g1['date'] = pd.to_datetime(date,format='%Y%m%d')
#這種比較占用內(nèi)存

結(jié)果：

def mem_usage(pandas_obj):
    if isinstance(pandas_obj,pd.DataFrame):
        usage_b = pandas_obj.memory_usage(deep=True).sum()
    else:
        usage_b = pandas_obj.memory_usagee(deep=True)
    
    usage_mb = usage_b/1024**2
    return '{:03.2f} MB'.format(usage_mb)

g1_int = g1.select_dtypes(include = ['int64'])
#生成一個只有int類型的DataFrame
coverted_int = g1_int.apply(pd.to_numeric, downcast='unsigned')
#apply 會將數(shù)據(jù)一條一條的讀取，并傳入目標(biāo)進行執(zhí)行
#int64 轉(zhuǎn)換為了 unsigned
print(mem_usage(g1_int))
print(mem_usage(coverted_int))

7.87 MB

1.48 MB