Rumah > pembangunan bahagian belakang > Tutorial Python > Bagaimanakah Saya Boleh Membahagikan Pandas DataFrame ke dalam DataFrame Khusus Peserta dengan Cekap?

Bagaimanakah Saya Boleh Membahagikan Pandas DataFrame ke dalam DataFrame Khusus Peserta dengan Cekap?

DDD
Lepaskan: 2024-11-30 20:07:14
asal
272 orang telah melayarinya

How Can I Efficiently Split a Pandas DataFrame into Participant-Specific DataFrames?

Memisahkan Bingkai Data kepada Bingkai Data Khusus Peserta

Anda mempunyai bingkai data yang besar dengan data daripada 60 responden dan sedang mencari cara untuk membahagikannya kepada kerangka data individu untuk setiap peserta. Kod unik untuk setiap peserta disimpan dalam pembolehubah yang dipanggil 'nama.'

Pada mulanya, anda cuba menggunakan fungsi tersuai untuk menambahkan bingkai data berdasarkan pembolehubah 'nama', tetapi pelaksanaan mengambil masa yang luar biasa lama .

Pendekatan yang lebih cekap ialah menggunakan penghirisan dalam Pandas DataFrame. Kod berikut menyediakan penyelesaian:

import pandas as pd
import numpy as np

# Create sample data with a 'Names' column
data = pd.DataFrame({'Names': ['Joe', 'John', 'Jasper', 'Jez'] * 4,
                     'Ob1': np.random.rand(16),
                     'Ob2': np.random.rand(16)})

# Create a unique list of names
UniqueNames = data.Names.unique()

# Create a dictionary to store the split dataframes
DataFrameDict = {elem: pd.DataFrame() for elem in UniqueNames}

# Iterate through UniqueNames and slice the original data
for key in DataFrameDict.keys():
    DataFrameDict[key] = data[data.Names == key]

# Access a specific dataframe using its name
specific_dataframe = DataFrameDict['Joe']
Salin selepas log masuk

Pendekatan ini dengan pantas mencipta bingkai data individu untuk setiap peserta, dengan lajur 'Nama' digunakan untuk menghiris. Bingkai data yang terhasil disusun dalam kamus, DataFrameDict, membolehkan akses mudah.

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Membahagikan Pandas DataFrame ke dalam DataFrame Khusus Peserta dengan Cekap?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan