大佬教程收集整理的这篇文章主要介绍了如何在“可变”大小的 Python 中构建大型数据集?,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
我目前正在从磁盘上的多个文件导入多个大型数据集,但由于每个数据集的大小(例如每个 2MM+ 行),我的 Python 代码不断崩溃。
我正在尝试从数据集的每一行中捕获多个项目,目前,在 for 循环中遍历每个项目,并将它们嵌套在字典/列表中。
正如我所说,磁盘上有 10 个文件,每个文件大约有 2MM 行。在每一行中,我捕获一列 (X)、一列 (Y) 和一个“变量列”,其中可以包含 1 到 10 个不同变量 (z)。
我目前的数据集结构如下:
full_dataset = {
file_name_1: { 0: [X,Y,[Z1,Z2,Z3]]
1: [X,Z2]]
2: [X,Z3,Z4,Z5]]
},file_name_2: ...
}
如您所见,完整的数据集是一个字典。其中有 10 个键值对,其中键是文件名,值是嵌套字典。 在那些字典中,键只是一个计数器 0,...,n,值是一个包含 X、Y 和 Z 的列表。
我想过创建一个 Pandas 数据框,但我不确定这是否可行 (a) 因为第三个元素 (z) 的大小可变,以及 (b) 因为我读到不断追加行/更新pandas Dataframe 的效率非常低,当我在 for 循环中遍历这些行时,我必须这样做。
代码如下:
@R_953_10586@l_Dict = {}
for filename in os.Listdir(dir):
# Get data from file here
#########################################
# Create sets to hold the data
temp_records = {}
for row in temp_file:
# Get the data from the row record
X = row["X"]
Y = row["Y"]
Z = row["Z"]
temp_records[len(temp_records)] = [X,Z]
# Append the record to the overall data structure
@R_953_10586@l_Dict[filename] = temp_records
del temp_records
有没有人处理过这个问题/有什么建议?
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)
以上是大佬教程为你收集整理的如何在“可变”大小的 Python 中构建大型数据集?全部内容,希望文章能够帮你解决如何在“可变”大小的 Python 中构建大型数据集?所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。