不常见的Pandas小窍门：我打赌一定有你不知道的( 二 ) 全文共2501字

可以看到，压缩文件小于正常CSV文件的一半。
这可能不是一个好例子，因为该随机数据帧中没有任何重复值。在实践中，如果存在分类值，压缩率会非常高！顺便一提，如你所想， Pandas可以直接将压缩文件读入数据帧，无须在文件系统中解压它。
df = pd.read_csv('sample.csv.gz', compression='gzip', index_col=0)
文章插图
gzip是优先选择，因为它默认存在于大多数Linux系统中。 Pandas还支持其它压缩格式，比如“zip”和“bz2” 。
文章插图
多列获取DateTime（时间日期）
文章插图
图源：unsplash
在Pandas中，你一定用过pd.to_datetime()方法将某种字符串转换为DateTime格式，这通常用于处理诸如%Y%m%d的格式字符串。然而，也有时可能会使用下方所示的数据框架作为原始数据。
df = pd.DataFrame({'year': np.arange(2000, 2012),'month': np.arange(1, 13),'day': np.arange(1, 13),'value': np.random.randn(12)})
文章插图
在数据框架中，将年、月、日作为单独列分隔开来屡见不鲜，可以使用pd.to_dateframe()将其一步转换为DateTime列。
df['date'] = pd.to_datetime(df[['year', 'month', 'day']])
文章插图
本文分享了一些关于Pandas Python库的省时小窍门。简而言之，人生苦短， Python值得。
文章插图
留言点赞关注
我们一起分享AI学习与发展的干货
【不常见的Pandas小窍门：我打赌一定有你不知道的】如转载，请后台留言，遵守转载规范