将大型 Pandas 数据帧分割成相等的部分
在 Pandas 中处理大型数据集时，通常需要将它们分成更小的块处理或分析。分割数据帧的一种常用方法是 np.split，它将数据沿指定轴分布到相等数量的数组中。但是，尝试使用此方法拆分奇数行可能会导致 ValueError。
使用 np.array_split 的替代方法
要解决此问题，请考虑使用改为 np.array_split。此函数允许对数据帧进行不等划分，如以下 Python 代码所示：
<code class="python">import pandas as pd
import numpy as np
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
'B' : ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
'C' : np.random.randn(8), 'D' : np.random.randn(8)})
print(df)
split_data = np.array_split(df, 4)
for part in split_data:
print(part)</code>此代码的输出显示数据帧被分成四个相等的部分：
A B C D
0 foo one -0.174067 -0.608579
1 bar one -0.860386 -1.210518
2 foo two 0.614102 1.689837
3 bar three -0.284792 -1.071160
4 foo two 0.843610 0.803712
5 bar two -1.514722 0.870861
6 foo one 0.131529 -0.968151
7 foo three -1.002946 -0.257468
A B C D
0 foo one -0.174067 -0.608579
1 bar one -0.860386 -1.210518
2 foo two 0.614102 1.689837
3 bar three -0.284792 -1.071160
4 foo two 0.843610 0.803712
5 bar two -1.514722 0.870861
A B C D
0 foo one 0.131529 -0.968151
1 foo three -1.002946 -0.257468
A B C D
0 bar one -0.860386 -1.210518
1 foo two 0.614102 1.689837
2 bar three -0.284792 -1.071160
3 foo two 0.843610 0.803712
4 bar two -1.514722 0.870861使用 np.array_split 可确保数据帧行的均匀分布，无论其总计数如何。这提供了一种将大型数据集分割成可管理的块以进行进一步处理的便捷方法。
以上是当行数不能被部分数整除时，如何将大型 Pandas DataFrame 分成相等的部分？的详细内容。更多信息请关注PHP中文网其他相关文章！
