![](/img/trans.png)
[英]pandas: Create a 'Weekday' DataFrame column by converting date (mm/dd/yy) to weekday
[英]Faster way of converting Date column to weekday name in Pandas
这是我通过pd.read_csv()读取的输入csv文件
ProductCode,Date,Receipt,Total
x1,07/29/15,101790,17.35
x2,07/29/15,103601,8.89
x3,07/29/15,103601,8.58
x4,07/30/15,101425,11.95
x5,07/29/15,101422,1.09
x6,07/29/15,101422,0.99
x7,07/29/15,101422,3
y7,08/05/15,100358,7.29
x8,08/05/15,100358,2.6
z3,08/05/15,100358,2.99
import pandas as pd
df = pd.read_csv('product.csv')
#I have to add some columns to the data:
df['Receipt_Count'] = df.groupby(['Date','Receipt'])['Receipt'].transform('count')
df['Day_of_Week'] = pd.to_datetime(df['Date']).dt.weekday_name
我的csv文件中有大约800K的行。 当我运行将日期转换为weekday_name的代码行时,我需要大约2分钟。 我知道我首先将我的'Date'列转换为datetime,因为它被视为来自csv的字符串,然后它被转换为它的工作日等价物。 有什么办法可以缩短转换时间吗?
我对Pandas / Python很新,所以我不确定我是否错过了这里的内容。
指定日期字符串的格式将大大加快转换速度:
df['Day_of_Week'] = pd.to_datetime(df['Date'], format='%m/%d/%y').dt.weekday_name
以下是一些基准测试:
import io
import pandas as pd
data = io.StringIO('''\
ProductCode,Date,Receipt,Total
x1,07/29/15,101790,17.35
x2,07/29/15,103601,8.89
x3,07/29/15,103601,8.58
x4,07/30/15,101425,11.95
x5,07/29/15,101422,1.09
x6,07/29/15,101422,0.99
x7,07/29/15,101422,3
y7,08/05/15,100358,7.29
x8,08/05/15,100358,2.6
z3,08/05/15,100358,2.99
''')
df = pd.read_csv(data)
%timeit pd.to_datetime(df['Date']).dt.weekday_name
# => 100 loops, best of 3: 2.48 ms per loop
%timeit pd.to_datetime(df['Date'], format='%m/%d/%y').dt.weekday_name
# => 1000 loops, best of 3: 507 µs per loop
large_df = pd.concat([df] * 1000)
%timeit pd.to_datetime(large_df['Date']).dt.weekday_name
# => 1 loop, best of 3: 1.62 s per loop
%timeit pd.to_datetime(large_df['Date'], format='%m/%d/%y').dt.weekday_name
# => 10 loops, best of 3: 45.9 ms per loop
即使您在OP中提供的小样本,性能也提高了5倍 - 对于更大的数据帧,它会变得更好,更好。
另一种方法是使用日期信息加载csv,特别是如果您经常需要此日期列。 不幸的是,似乎没有办法传递日期的格式,并且infer_datetime_format
参数为read_csv
似乎没有什么区别:
import timeit
repeat = 3
numbers = 100
setup = """import pandas as pd
import io
data = io.StringIO('''\
ProductCode,Date,Receipt,Total
''' + '''\
x1,07/29/15,101790,17.35
x2,07/29/15,103601,8.89
x3,07/29/15,103601,8.58
x4,07/30/15,101425,11.95
x5,07/29/15,101422,1.09
x6,07/29/15,101422,0.99
x7,07/29/15,101422,3
y7,08/05/15,100358,7.29
x8,08/05/15,100358,2.6
z3,08/05/15,100358,2.99
''' * 100)"""
def time(statement, _setup=None):
print (min(
timeit.Timer(statement, setup=_setup or setup).repeat(
repeat, numbers)))
time('pd.read_csv(data); data.seek(0)')
time('pd.read_csv(data, parse_dates=["Date"]); data.seek(0)')
time('pd.read_csv(data, parse_dates=["Date"],'
'infer_datetime_format=True); data.seek(0)')
打印:
0.5536041843652657
25.298157679942697
25.34556727133409
但是,如果您经常使用Date列,则应该从一开始就将其转换为付费。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.