對于非連續(xù)數(shù)據(jù)集，數(shù)據(jù)可視化時候需要每七天一個采樣點(diǎn)。要求是選擇此前最新的數(shù)據(jù)作為當(dāng)日的數(shù)據(jù)展示，譬如今天是2019-06-18，而數(shù)據(jù)集里只有2019-06-15，那就用2019-06-15的數(shù)據(jù)作為2019-06-18的數(shù)據(jù)去描點(diǎn)。
每七天一個采樣點(diǎn)，會使得每天展示所選的數(shù)據(jù)都會有所不同。當(dāng)時間往后推移一天，日期為2019-06-19，那么最新數(shù)據(jù)點(diǎn)從2019-06-19開始，第二個就是2019-06-12。這里就需要一個算法來快速的根據(jù)當(dāng)前日期去選出（填充）一系列數(shù)據(jù)供數(shù)據(jù)可視化之用。
一個非常直接的實現(xiàn)方法：
先生成一串目標(biāo)時間序列，從某個開始日到今天為止，每七天一個日期。
把這些日期map到數(shù)據(jù)集的日期, Eg. {“2019-06-18”:“2019-06-15”…} 。
把map到的數(shù)據(jù)抽出來用pd.concat接起來。
代碼如下：
target_dates = pd.date_range(end=now, periods=100, freq="7D")
full_dates = pd.date_range(start, now).tolist()
org_dates = df.date.tolist()
last_date = None
for d in full_dates:
if d in org_dates:
date_map[d] = d
last_date = d
elif last_date is not None:
date_map[d] = last_date
else:
continue
new_df = pd.DataFrame()
for td in target_dates:
new_df = pd.concat（[new_df, df[df["date"]==date_map[td]]）
這樣的一個算法處理一個接近千萬量級的數(shù)據(jù)集上大概需要十多分鐘。仔細(xì)檢查發(fā)現(xiàn)，每一次合并的dataframe數(shù)據(jù)量并不小，而且總的操作次數(shù)達(dá)到上萬次。
所以就想如何避免高頻次地使用pd.concat去合并dataframe。
最終想到了一個巧妙的方法，只需要修改一下前面的第三步，把日期的map轉(zhuǎn)換成dataframe，然后和原始數(shù)據(jù)集做merge操作就可以了。
target_dates = pd.date_range(end=now, periods=100, freq="7D")
full_dates = pd.date_range(start, now).tolist()
org_dates = df.date.tolist()
last_date = None
for d in full_dates:
if d in org_dates:
date_map[d] = d
last_date = d
elif last_date is not None:
date_map[d] = last_date
else:
continue
#### main change is from here #####
date_map_list = []
for td in target_dates:
date_map_list.append({"target_date":td, "org_date":date_map[td]})
date_map_df = pd.DataFrame(date_map_list)
new_df = date_map_df.merge(df, left_on=["org_date"], right_on=["date"], how="inner")
改進(jìn)之后，所有的循環(huán)操作都在一個微數(shù)量級上，最后一個merge操作得到了所有有用的數(shù)據(jù)，運(yùn)行時間在5秒左右，大大提升了性能。
補(bǔ)充：Pandas DataFrames 中 merge 合并的坑點(diǎn)(出現(xiàn)重復(fù)連接鍵)
在我的實際開發(fā)中遇到的坑點(diǎn)，查閱了相關(guān)文檔 總結(jié)一下
left = pd.DataFrame({'A': [1, 2], 'B': [2, 2]})
right = pd.DataFrame({'A': [4, 5, 6], 'B': [2, 2, 2]})
result = pd.merge(left, right, on='B', how='outer')
警告:在重復(fù)鍵上加入/合并可能導(dǎo)致返回的幀是行維度的乘法，這可能導(dǎo)致內(nèi)存溢出。在加入大型DataFrame之前，重復(fù)值。
檢查重復(fù)鍵
如果知道右側(cè)的重復(fù)項DataFrame但希望確保左側(cè)DataFrame中沒有重復(fù)項，則可以使用該 validate='one_to_many'參數(shù)，這不會引發(fā)異常。
pd.merge(left, right, on='B', how='outer', validate="one_to_many")
# 打印的結(jié)果:
A_x B A_y
0 1 1 NaN
1 2 2 4.0
2 2 2 5.0
3 2 2 6.0
參數(shù)：
validate : str, optional
If specified, checks if merge is of specified type.
“one_to_one” or “1:1”: check if merge keys are unique in both left and right datasets.
“one_to_many” or “1:m”: check if merge keys are unique in left dataset.
“many_to_one” or “m:1”: check if merge keys are unique in right dataset.
“many_to_many” or “m:m”: allowed, but does not result in checks.
官方文檔連接：
Pandas文檔中提及 merge
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- Python基礎(chǔ)之pandas數(shù)據(jù)合并
- python-pandas創(chuàng)建Series數(shù)據(jù)類型的操作
- Python數(shù)據(jù)分析之pandas函數(shù)詳解
- python基于Pandas讀寫MySQL數(shù)據(jù)庫
- pandas讀取excel時獲取讀取進(jìn)度的實現(xiàn)
- pandas中.loc和.iloc以及.at和.iat的區(qū)別說明
- 淺談Pandas dataframe數(shù)據(jù)處理方法的速度比較
- 解決使用pandas聚類時的小坑
- 詳細(xì)介紹在pandas中創(chuàng)建category類型數(shù)據(jù)的幾種方法
- python中pandas.read_csv()函數(shù)的深入講解
- pandas 顛倒列順序的兩種解決方案
- pandas調(diào)整列的順序以及添加列的實現(xiàn)
- pandas快速處理Excel,替換Nan,轉(zhuǎn)字典的操作
- Python基礎(chǔ)之教你怎么在M1系統(tǒng)上使用pandas
