Python pandas df.copy()不够深入
Python pandas中的df.copy()方法是用于复制DataFrame对象的方法。它创建并返回一个DataFrame对象的副本，确保在修改副本时不会影响原始数据。
df.copy()方法有两种类型的复制方式：浅复制和深复制。
- 浅复制：当使用
df.copy()方法时，默认进行的是浅复制。这意味着复制后的DataFrame与原始DataFrame共享相同的数据和索引对象。因此，在修改复制后的DataFrame时，原始DataFrame的相应元素也会发生改变。浅复制是一种简单且高效的复制方式。 - 深复制：如果需要创建一个完全独立的DataFrame副本，可以使用
df.copy(deep=True)来进行深复制。深复制会创建一个新的DataFrame对象，并复制原始数据和索引对象。这样，修改副本不会对原始DataFrame产生任何影响。深复制是一种更安全但效率较低的复制方式。
优势：
df.copy()方法允许在处理数据时进行安全的复制操作，避免了在原始数据上的不可逆性修改。- 可以根据需求选择浅复制或深复制方式，灵活性较高。
应用场景：
- 当需要在原始数据上执行一些复杂的操作时，可以使用深复制来创建一个独立的DataFrame副本，以避免对原始数据的修改产生意外结果。
- 当需要在多个DataFrame之间传递数据或进行数据比较时，可以使用浅复制来提高效率。
推荐的腾讯云相关产品和产品介绍链接地址：目前我无法提供具体的腾讯云产品和链接地址，建议您参考腾讯云官方文档或咨询腾讯云的客服人员以获取相关信息。
请注意，以上答案仅涵盖了Python pandas中df.copy()方法的相关内容，若需深入了解Python pandas的其他功能或名词，请提供更具体的问题。
相关·内容
1回答
我正在上传我的数据集，并且正在复制我的数据集，但是出现了一个错误。
import numpy as np
import pandas as pd
import mathplotlib.pyplot as plt
house_data=pd.read_csv("/home/houseprice.csv")
#we evaluate the price of a house for those cases where the information is missing, for each variable
def analyse_na_value(df, var):
浏览 0提问于2021-03-04得票数 2
1回答
我想解决相关系数，同时从数据中删除一行。然后，在得到所有相关系数之后，我需要删除导致相关系数增加最大的行。
下面的代码显示了我的解决方案：
import pandas as pd
import numpy as np
#Access the data
file='tc_yolanda2.csv'
df = pd.read_csv(file)
x = df['dist']
y = df['mps']
#compute the correlation coefficient
def correlation_coefficient_4u(a,
浏览 2提问于2018-06-04得票数 1
回答已采纳
我试图让df b列D变成1，但是当我运行这段代码时，它也将df a列D更改为1 .为什么，为什么变量是相互关联的？怎么才能只改变df b呢？
import pandas as pd, os, numpy as np
df = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))
a=df
b=df
b['D']=1
产出：
>>> a
A B C D
0 98 84 3 1
1 13 35 76 1
2 17
浏览 5提问于2017-04-07得票数 0
回答已采纳
1回答
尽管在这项任务中找到了几个资源，但我无法从hdf5文件中提取数据(对于我正在学习的Datacamp课程)。 我想在我的本地系统上运行这些示例。 这就是我所拥有的： import h5py
import numpy as np
import pandas as pd
filename = "e:\\python\\datacamp\\time_series_with_python\\machine_learning_for_time_series_data_in_python\\audio_munged.hdf5"
'''
data = pd.read
浏览 61提问于2020-12-13得票数 0
1回答
我要在jupyter笔记本上执行这个代码。
我正在试图更改数据文件中的一个对象类型，如下所示：
column 1
#Green #Blue #Orange
#Green #Red
#Blue #Orange
#Orange
对此：
column 1
[Green, Blue, Orange]
[Green, Red]
[Blue, Orange]
[Orange]
当我尝试用下面的代码对一列中的一列使用string方法时，它可以工作。
df1['column 1'] = df1['column 1'].str.replace('#', '
浏览 0提问于2020-02-05得票数 1
回答已采纳
我正在尝试创建一个类，它是pandas.DataFrame对象的包装器。在我为这个类编写了我自己的方法之后，我希望熊猫的方法也是可用的，但是以一种明确地告诉我/用户它们来自熊猫的方式。会像这样工作
df = pd.DataFrame(np.random.randn(5,2))
md = myData(df)
a = md.df # returns the original pandas.DataFrame "df" to a (equivalent of a=df
print(md) # prints as myData class
print(md.df) # prints
浏览 2提问于2016-07-19得票数 2
1回答
我正在尝试绘制一个动态大小的气泡(散点图)。当我尝试用随机数据作图时，我可以很好地作图。但是，当我试图解析我的输入文件时，我无法绘图。
输入：
Nos,Place,Way,Name,00:00:00,12:00:00
123,London,Air,Apollo,342,972
123,London,Rail,Beta,2352,342
123,Paris,Bus,Beta,545,353
345,Paris,Bus,Rava,652,974
345,Rome,Bus,Rava,2325,56
345,London,Air,Rava,2532,9853
567,Paris,Air,Apollo,
浏览 1提问于2015-06-26得票数 2
回答已采纳
我的系统声称pandas需要不同的Python，即使安装的是Python版本。如何检查Pandas正在访问哪个版本的Python？
quinn@quinn-Lemur:~$ sudo -H pip3 install pandas
Requirement already satisfied: pandas in /usr/local/lib/python3.5/distpackages (0.25.3)
ERROR: Package 'pandas' requires a different Python: 3.5.2 not in '>=3.5.3'
q
浏览 8提问于2019-11-11得票数 0
回答已采纳
1回答
假设您必须查询唯一的类似100项商品的价格(在本例中，我将只查询2项)，这将是使用python数据结构查询这些项目名称的最快方法(以秒为单位)？
这里是一个熊猫数据的例子(仅查询3项，我想查询大约50或100)。
import pandas as pd
import time
df = pd.DataFrame({"price":[11,33,5,29,999]*100000},index=["car","boat","axe","fork","plane"]*100000)
# now query
浏览 8提问于2022-07-02得票数 -3
回答已采纳
1回答
我试图清理代码片段，但是当将代码的一部分迁移到函数中时，它开始推给我一个异常，如下所示：
下面是我想清理的片段：
import pandas as pd
import os
df = pd.read_csv('winequality-red.csv', sep=';')
labels = list(df.columns)
for index, label in enumerate(labels):
labels[index] = labels[index].replace(' ', '_')
substance =
浏览 2提问于2020-06-18得票数 2
回答已采纳
1回答
今天在python编码中遇到了一个问题。我试图有条件地从数据帧中删除一些行。基本上，我希望创建我的数据框架的一个副本，以便通过比较复制的dataframe和删除行的dataframe来查看哪些行已被删除。下面是一个简化的代码示例：
import pandas as pd
# define simple data frame
d = {'col1': ['chris', 'ben'], 'col2': [3, 8]}
df=pd.DataFrame(data=d)
# define df2 to be identical to df
浏览 5提问于2020-09-16得票数 0
回答已采纳
import pandas as pd
inp = [{'c1':10, '10':100, '11':100, '12':100},
{'c1':11,'10':110, '11':100, '12':100},
{'c1':12,'10':120, '11':100, '12':100}] .
df = pd.DataFrame(inp)
浏览 610提问于2019-02-20得票数 0
回答已采纳
1回答
减去Pandas列的警告
、、、
这个问题有很多类似的问题，但我找不到一个明确回答我问题的问题。 首先，当我运行这样的程序时 df['new_col'] = df['col2'] - df['col1'] 我收到一条警告消息：“一个值正试图在来自一个值的切片的副本上设置。请尝试使用.locrow_indexer，col_indexer = DataFrame”。 如果我尝试运行下面这样的程序 df.loc[:, 'new_col'] = df['col2'] - df['col1'] 我得到了一个"SettingWithC
浏览 42提问于2021-09-01得票数 0
老派程序员，全新的Python & pandas。可变的数据类型非常酷，但是它们让我们很难直观地知道如何设置“全局”引用数据结构。 我有一堆参考数据(目前是几十MB，但最终版本将是数百MB )。许多不同的类和脚本需要引用相同的数据。这是历史参考数据。它很少更改，通过从.CSVs批量更新。 将这些数据多次加载到内存中是非常低效的。我想在第一次使用数据时加载一次数据，然后在每次需要时引用相同的副本。请原谅老式的引用(我在20世纪70年代学会了编程)，但这样做的“旧方法”是声明一个全局指针变量，该变量指向包含引用数据的几个pandas数据帧的单个副本。数据帧将在第一次被引用时从.CSV加载
浏览 13提问于2019-08-23得票数 0
我正在创建一个列，以便在某些字符串中添加一个标记，并在这里具有工作代码：
import pandas as pd
import numpy as np
import re
data=pd.DataFrame({'Lang':["Python", "Cython", "Scipy", "Numpy", "Pandas"], })
data['Type'] = ""
pat = ["^P\w", "^S\w"]
for i in r
浏览 0提问于2014-01-23得票数 2
回答已采纳
我在OSX El Capitan 10.11.2上的Python2.7.10上使用Pandas0.18.1，如果我不设置engine='python'，我在用读取UTF-16文件时会遇到问题。
文档指出，Python解析器的功能更完整，因此Pandas可能在默认情况下尝试使用C解析器，但它还不支持UTF-16。有人能确认这是真的吗，或者这里是否发生了其他事情？
下面是一个最小的重现场景：
alanwagner : ~ ∴ pip2.7 freeze | grep pandas
pandas==0.18.1
alanwagner : ~ ∴ cat test.csv
col1,
浏览 9提问于2016-05-18得票数 1
在我没有预料到的情况下，我会得到SettingWithCopyWarning错误：
N.In <38>: # Column B does not exist yet
N.In <39>: df['B'] = df['A']/25
N.In <40>: df['B'] = df['A']/50
/Users/josh/anaconda/envs/py27/lib/python2.7/site-packages/pandas/core/indexing.py:389: SettingWithCop
浏览 10提问于2014-05-15得票数 21
回答已采纳
下面代码的目的是创建另一个相同的pandas dataframe，其中所有值都被替换为零。 input numpy as np
import pandas as pd
#Given preexisting dataframe
len(df) #Returns 1502
def zeroCreator(data):
zeroFrame = pd.DataFrame(np.zeros(len(data),1))
return zeroFrame
print(zeroCreator(df)) #Returns a TypeError: data type not understo
浏览 47提问于2020-06-23得票数 2
回答已采纳
当我添加一个新的"NaN“列("C")到一个数据帧(比如df)来填充它时，它会被添加到其他类似的数据帧(这里是: sto)，这不是我的情况。那么，我应该如何避免这种情况并保持其他数据帧不变呢？ import numpy as np
import pandas as pd
df=pd.DataFrame({"A":[1,2,3],"B":[3,4,9]})
display(df) ? sto=df
df.loc[:,"C"]=np.nan
display(df) ? display(sto) ?
浏览 12提问于2021-03-30得票数 0
回答已采纳
我在试这个 import dask.dataframe as dd
import pandas as pd
salary_df = pd.DataFrame({"Salary":[10000, 50000, 25000, 30000, 7000, 100000]})
salary_category = pd.DataFrame({"Hi":[5000, 20000, 25000, 30000, 90000, 120000],
"Low":[0,
浏览 97提问于2021-11-06得票数 1
回答已采纳
我正在尝试了解不同的复制熊猫数据格式的方式如何影响使用包的python脚本的内存消耗：
from copy import deepcopy
import pandas as pd
@profile
def func2(df):
return df.copy()
@profile
def func():
a = [1] * (10 ** 6)
df = pd.DataFrame({"val": a})
df2 = pd.DataFrame({"val": a})
df3 = func2(df)
df4 = d
浏览 8提问于2022-08-20得票数 1
我正在尝试按合计列对数据帧进行排序：
df.sort_values(by='Total', ascending=False, axis=0, inplace =True)
但我得到了以下警告：
/usr/local/lib/python3.6/dist-packages/ipykernel_launcher.py:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
See the caveats in the documentation: h
浏览 0提问于2020-01-20得票数 8
这是我的数据框 import pandas as pd
data = {'from':['Frida', 'Frida', 'Frida', 'Pablo','Pablo'], 'to':['Vincent','Pablo','Andy','Vincent','Andy'],
'score':[2, 2, 1, 1, 1]}
df = pd.DataFrame(data)
浏览 5提问于2021-01-11得票数 1
回答已采纳
1回答
我有一个数据帧，其中所有列都是连续变量，我希望根据频率(因此绑定具有相同的大小)在绑定中对它们进行离散化。
为了做到这一点，我只需要应用pd.cut函数并迭代这些列，但是我得到了以下错误：
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead
See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stabl
浏览 4提问于2022-08-08得票数 0
我有一个相当大的数据集(2678271，52)和一个5维索引，它占用了机器内存的6.5%。当我打电话的时候
df.sortlevel(k)
我收到以下错误：
MemoryError Traceback (most recent call last)
in ()
----> 1 df = df.sortlevel(4)
/usr/local/lib/python2.7/dist-packages/pandas-0.9.1-py2.7-linux-x86_64.egg/pandas/core/frame.pyc in sortl
浏览 5提问于2013-01-11得票数 2
回答已采纳
1回答
请看所附的截图。
我创建了一个Dataframe df，然后初始化了另一个持有df的Dataframe tesla。
然后我在tesla上执行操作，然后当我检查df时
df也发生了变化。
为什么会发生这种情况？
我已经使用Pandas很长时间了，没有注意到这个问题。
浏览 0提问于2018-04-21得票数 0
我用Plotly Dash创建了条形图。一切正常，但当我点击“清除值”时： ? 我收到下一条错误消息： KeyError: ('Quantity', 'declined')
Traceback (most recent call last)
File "C:\Users\iakubal\Anaconda3\envs\general_3_6\lib\site-packages\pandas\core\indexes\base.py", line 2646, in get_loc
return self._eng
浏览 7提问于2020-08-20得票数 0
回答已采纳
如何实现时间戳数据从Spark Python到Pandas的往返转换？我从Spark中的Hive表中读取数据，希望在Pandas中进行一些计算，然后将结果写回Hive。只有最后一部分失败了，将Pandas时间戳转换回Spark DataFrame时间戳。
import datetime
import pandas as pd
dates = [
('today', '2017-03-03 11:30:00')
, ('tomorrow', '2017-03-04 08:00:00')
, ('next T
浏览 14提问于2017-03-04得票数 7
2回答
我对Python比较陌生，我对函数有一个问题。基本上，这个函数应该编辑一个熊猫数据并以一个新的对象名称返回它。因此，保留原来的对象。返回的对象应保存在新对象中。我的问题是，输入对象也会受到影响。如何防止输入对象受到函数的影响，即使我将结果保存到新对象。我阅读了一些关于不可变和可变对象的内容，但是如何更改我的函数。
import pandas as pd
import numpy as np
msg_items = pd.DataFrame({'Column_A': [10,20,30,40,50,60]})
print('Before: ', msg_ite
浏览 1提问于2017-12-19得票数 2
回答已采纳
2回答
我想在pandas数据帧中使用fillna，但仅用于'object‘数据类型。
我相信下面的方法是可行的，但是如果不需要的话，我希望避免使用concat。
import pandas as pd
new_df = pd.concat([df.select_dtypes(exclude='object'),
df.select_dtypes('object').fillna('')], axis=1)
浏览 4提问于2019-07-29得票数 1
当连接两只熊猫DataFrames并继续更新索引时，出现了一个问题。在讨论完这个问题之后，我们可以忽略这个问题。尽管创建了新DataFrame或其索引的副本，但更改副本的元素仍然会更改原始的DataFrame索引。下面是一个基本示例，您可以运行这个示例来创建这个问题。
几个已经过试验的候补人：
ind = df.copy().index.to_numpy()：改变ind改变dfind = df.index.copy().to_numpy()：改变ind改变dfind = df.copy(deep=True).index.to_numpy()：改变ind改变dfind = df.index.co
浏览 1提问于2020-05-15得票数 1
回答已采纳
1回答
我有一个pandas数据帧"df“，我在上面应用了几个函数。我不想更改原始数据帧的值。我的所有函数都是这样的： def func(x):
# do some stuff with x
return x
y = func(x=df) 我没有在函数中引用df变量。但无论如何，变量都会发生变化。谁能给我解释一下为什么会出现这种情况，以及如何避免这种情况？
浏览 6提问于2019-04-23得票数 0
1回答
我有一个数据框df，如下所示：
measure model threshold
285 0.241715 a 0.0001
275 0.241480 a 0.0001
546 0.289773 b 0.0005
556 0.241715 b 0.0005
817 0.357532 a 0.001
827 0.269750 b 0.001
1088 0.489164 a 0.0025
我希望将列model中的所有值更改为'no_m
浏览 3提问于2016-09-08得票数 1
回答已采纳
当熊猫重复地从数据中复制一个值时，似乎会触发内存泄漏。
在每次迭代开始时，通过从初始dataframe创建一个副本来创建一个dataframe。第二个变量是通过从当前dataframe复制单个值来创建的。
在每次迭代结束时，将删除这两个变量，并打印当前进程使用的内存(每1000次迭代)。！
我认为在某个时候(可能在读取dataframe值时)可能会有一些隐式副本。
快速修复此问题将导致在每次迭代中应用垃圾收集器，但这是一个非常昂贵的解决方案:该过程至少慢10倍。
是否有明确的解释为什么会出现这个问题？
import os, gc
import psutil, pandas as pd
N_I
浏览 2提问于2017-02-01得票数 1
我尝试在python中执行以下代码：
from pandas import *
tickdata = read_csv('/home/user/sourcefile.csv',index_col=0,parse_dates='TRUE')
csv文件的行如下所示：
2011/11/23 23:56:00.554389,1165.2500
2011/11/23 23:56:02.310943,1165.5000
2011/11/23 23:56:05.564009,1165.2500
在pandas .7上，这执行得很好。在pandas .8.0rc2上，我得到了
浏览 1提问于2012-06-28得票数 0
回答已采纳
我尝试创建一个以点为numpy数组的坐标的列。我有一个数据，如Easting和Northing。我只想减少大量的数字，只需把它移下来。我试着用Unittest测试它
我试着用.apply(lambda)跟踪其他.apply(lambda)，但可以找出我的错误所在。(我在熊猫0.9工作，不能更新)。下面是一个示例代码，我所使用的函数是adjustCoordSystem()
import unittest
import pandas as pd
from pandas.util.testing import assert_frame_equal
def exampleDf():
df =
浏览 1提问于2014-03-05得票数 0
回答已采纳
我有一个名为df的数据框架，在其中，我将一些简单的转换应用于(删除列、替换值等)。我正在执行的工作要求我拥有数据框架的两个副本；一个具有更改，另一个处于原始状态。下面是我所经历的一个例子：
import pandas as pd
df=pd.read_csv(x)
df=df2
#created a data frame called df2 that should reflect all changes in df at this point (i.e. I want the file to remain in its original state)
#changes are then
浏览 4提问于2019-11-22得票数 1
回答已采纳
1回答
我正在使用pandas rolling-function生成顺序数据。我的主窗口大小是51，我需要用不同的窗口从这个初始窗口计算各种度量，例如:虚拟数据：
df = pd.DataFrame(np.random.randint(0,800,size=(1000, 3)), columns=list('ABC'))
我的函数：
def test(data):
meanMov = np.zeros((51,3))
mean = np.mean(data[0:31,:],axis=0)
for i in range(0,16):
mea
浏览 3提问于2018-01-29得票数 0
1回答
我想从多元正态分布中随机化数据帧100x5。然后，我想对该数据框架中有关列的每个值进行标准化。即我想取代：
哪里
在向量x中，字母'i‘是指向量(1..5)的个数，'j’是指第一个向量的j-值。
我想在没有任何循环的情况下这样做。
我的工作到目前为止
import numpy
import pandas
#create some really numbers by randomly pressing keyboard
mean = [1, 2,3,4,5]
cov = [[1, 0,0,4,6], [0, 100,4,6,1],[12,14,1,0
浏览 3提问于2020-10-08得票数 0
import numpy as np
import pandas as pd
df = pd.DataFrame([[np.nan, 2, 1, 0],
[3, 4, np.nan, 1],
[np.nan, np.nan, 8, 5],
[np.nan, 3, np.nan, 4]],
columns=list('ABCD'))
df2 = df
df.fillna(value = df.mean(), inplace=True)
现在，df2和d
浏览 0提问于2018-04-26得票数 0
我有一个DataFrame，我想把一个新的值从一个列中改变，并且保持原始数据的完整性。我尝试过使用掩码、where和iloc，但是原来的数据帧总是会改变的。
import pandas as pd
data = {
"age": [50, 40, 30, 40, 20, 10, 30],
"qualified": [True, False, False, False, False, True, True]
}
df = pd.DataFrame(data)
newdf = df
newdf["age"] = newdf.where(n
浏览 8提问于2022-03-09得票数 0
回答已采纳
假设我们有一个Pandas：
In[1]: df = pd.DataFrame({'A': [1, 1, 2, 3, 5],
'B': [5, 6, 7, 8, 9]})
In[2]: print(df)
A B
0 1 5
1 1 6
2 2 7
3 3 8
4 5 9
我想更改符合特定条件的行。我知道这可以通过直接分配来完成：
In[3]: df[df.A==1] = pd.DataFrame([{'A': 0, 'B': 5},
浏览 0提问于2018-06-06得票数 0
回答已采纳
我以前没有与熊猫合作过，我正在寻求最佳行动方案的指导。 目前，我有一个正在读入data Pandas DataFrame的excel(.xlsx)电子表格。在excel电子表格中，它包含帐户数据、文档控制号、合同id、制造商合同id、序列号、包含排除项、开始日期、结束日期和供应商客户id。 从该数据中，需要将所有帐号复制回来自文档密钥co、文档控制号、合同id、制造商合同id、序列号、包括排除、开始日期、结束日期和供应商客户id的每一行数据。 以下是数据示例： ? 我已经读入了DataFrame，并使用以下代码迭代了DataFrame： #reads in template data.
浏览 25提问于2019-06-19得票数 0
回答已采纳
我正在为bigquery表编写星星之火数据。这是可行的，但在将数据写入bigquery之前，我将其称为熊猫udf。出于某种原因，当我在为bigquery编写之前调用熊猫udf时，我现在看到了以下错误：
Caused by: org.apache.spark.api.python.PythonException: Traceback (most recent call last):
File "/mnt1/yarn/usercache/hadoop/appcache/application_1579619644892_0001/container_1579619644892_0001
浏览 1提问于2020-01-21得票数 3
回答已采纳
这是line2，python代码
import tia.analysis.talib_wrapper as talib
控制台显示
File "t10.py", line 2, in <module>
import tia.analysis.talib_wrapper as talib
File "/home/jholmes/anaconda3/lib/python3.6/site-packages/tia/analysis/__init__.py", line 2, in <module>
from tia.an
浏览 1提问于2018-01-08得票数 1
回答已采纳
我正在编写我自己的决策树模型，我有一个来自Pandas的SettingWithCopyWarning，我无法修复。决策树有被询问的节点，以便知道决策树的某个点上的最佳节点是什么。每个节点(这是一个类)创建他的方法来给每个数据一个标签，并存储它的方法。例如，我有处理离散数据的节点，它们基本上将可能的数据的每个标签存储在一个组中。
class DiscreteNode(Node):
def __init__(self, name, n_classes,
rank=None, groups=[]):
super().__init__(name, n_classes, rank)
浏览 33提问于2022-09-29得票数 -1
3回答
我试着看上去是最高的和最低的
我的投入
id Place A Place B Place C
1 67 87 76
我的输出
id Place A Place B Place C Highest Lowest
1 67 87 76 Place B Place A
For Highest 'df['Highest'] = df.idxmax(axis=1)` works well, but For Lowest For Hi
浏览 24提问于2022-07-20得票数 0
回答已采纳
2回答
在这个测试示例中，我试图在dask中运行groupby。
import pandas as pd
import dask.dataframe as dd
tdf = pd.DataFrame({'a': [1, 2, 3, 4, 5, 6, 7, 8, 9],
'b': [4, 5, 6, 3, 2, 1, 0, 0, 0]},
index=[0, 1, 3, 5, 6, 8, 9, 9, 9])
ddf = dd.from_pandas(tdf, npartitions=3)
def func(df)
浏览 3提问于2017-09-19得票数 2
无法使用Python在JSON中生成特定的组&子组
我正在尝试使用Pandas生成嵌套的JSON。但是，不知何故，我无法把它理解为子分组是如何工作的，或者更确切地说，我可以生成它。不知道如何先打包子群，然后再去分组。
在python或大熊猫中是否有任何内置函数或任何相关的Python包可以在不编写大量代码的情况下完成同样的操作？
我所写的如下：
j = (df.groupby(['empno', 'work_id'], as_index=False)
.apply(lambda x: x[['status_id', &#
浏览 0提问于2019-01-23得票数 3
我使用内存使用率很高的大数据格式，如果更改重复值列上的dtype，就可以节省大量内存。
我试过了，实际上它降低了25%的内存使用量，但是后来我遇到了一个我无法理解的性能缓慢的问题。
我通过在dtype‘change’列上进行聚合来进行分组，在更改dtype之前需要大约1秒，更改后大约需要1分钟。
此代码演示了按2因子计算的性能下降情况：
import pandas as pd
import random
animals = ['Dog', 'Cat']
days = ['Sunday', 'Monday', 'Tuesd
浏览 2提问于2017-12-31得票数 6
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
