代码之家 › 专栏 › 技术社区 › e1v1s

如何处理大熊猫中的超大数据集

dataframe pandas python

e1v1s · 技术社区 · 8 年前

我需要在一个MongoDB中合并5个集合,并将其作为一个csv文件返回。我可以用 from_records 方法无问题&使用 pd.merge 但问题是我要合并的每个数据帧都有20000+列和100000+行。由于规模的原因,合并过程显然非常缓慢。

我从来没有处理过这个数量级的数据——我可以用什么方法来加速这个过程?也许熊猫在这一点上不是正确的工具?

1 回复 | 直到 8 年前

madjaoue 8 年前

我想您需要分发您的处理。

实现这一点的一种方法是将输入拆分为多个块,使用多处理来生成中间输出,然后在最后将它们组合起来。

在熊猫身上我该怎么做?

推荐文章

user29747013 · 如何创建一个新的数据框架,其中包含原始数据框架中列的聚合列?

1 年前

Cam · Pandas列表日期到日期时间

1 年前

jjkennedy · Pandas文本文件导入:当每个文件中存在多个表时,自动选择1个表

1 年前

Sun Jar · 在另一个系列中查找当前df值的索引,并将其添加到列中

1 年前

dietzi96 · Pandas DataFrame.to_sql随机和静默地失败,没有错误消息

1 年前

Bijan · Pandas批量更新帐户字符串

1 年前

Kernel · TypeError:Index.reindex()收到意外的关键字参数fill_value'

1 年前

Kernel · 进入熊猫的定义。系列super().reindex

1 年前

adventurous_chip_55 · 如何引爆柱子

1 年前

RKIDEV · Panda迭代行并将第n行值乘以下一(n+1)行值

1 年前