zaman pandalar

Question

yılında xarray vs multiindexing kullanmak pandas pivot tables documentation multiindexing kullanarak veri fazla iki boyutta ele tavsiye görünüyor:

In [1]: import pandas as pd 

In [2]: import numpy as np 

In [3]: import pandas.util.testing as tm; tm.N = 3 

In [4]: def unpivot(frame): 
    ...:   N, K = frame.shape 
    ...:   data = {'value' : frame.values.ravel('F'), 
    ...:     'variable' : np.asarray(frame.columns).repeat(N), 
    ...:     'date' : np.tile(np.asarray(frame.index), K)} 
    ...:   return pd.DataFrame(data, columns=['date', 'variable', 'value']) 
    ...: 

In [5]: df = unpivot(tm.makeTimeDataFrame()) 

In [6]: df 
Out[6]: 
     date variable  value value2 
0 2000-01-03  A 0.462461 0.924921 
1 2000-01-04  A -0.517911 -1.035823 
2 2000-01-05  A 0.831014 1.662027 
3 2000-01-03  B -0.492679 -0.985358 
4 2000-01-04  B -1.234068 -2.468135 
5 2000-01-05  B 1.725218 3.450437 
6 2000-01-03  C 0.453859 0.907718 
7 2000-01-04  C -0.763706 -1.527412 
8 2000-01-05  C 0.839706 1.679413 
9 2000-01-03  D -0.048108 -0.096216 
10 2000-01-04  D 0.184461 0.368922 
11 2000-01-05  D -0.349496 -0.698993 

In [7]: df['value2'] = df['value'] * 2 

In [8]: df.pivot('date', 'variable') 
Out[8]: 
       value         value2   \ 
variable   A   B   C   D   A   B 
date                  
2000-01-03 -1.558856 -1.144732 -0.234630 -1.252482 -3.117712 -2.289463 
2000-01-04 -1.351152 -0.173595 0.470253 -1.181006 -2.702304 -0.347191 
2000-01-05 0.151067 -0.402517 -2.625085 1.275430 0.302135 -0.805035 


variable   C   D 
date        
2000-01-03 -0.469259 -2.504964 
2000-01-04 0.940506 -2.362012 
2000-01-05 -5.250171 2.550861 

Ben xarray böyle çok boyutlu veri setlerini işlemek için yapıldığı düşünülmektedir

:

In [9]: import xarray as xr 

In [10]: xr.DataArray(dict([(var, df[df.variable==var].drop('variable', 1)) for var in np.unique(df.variable)])) 
Out[10]: 
<xarray.DataArray()> 
array({'A':   date  value value2 
0 2000-01-03 0.462461 0.924921 
1 2000-01-04 -0.517911 -1.035823 
2 2000-01-05 0.831014 1.662027, 'C':   date  value value2 
6 2000-01-03 0.453859 0.907718 
7 2000-01-04 -0.763706 -1.527412 
8 2000-01-05 0.839706 1.679413, 'B':   date  value value2 
3 2000-01-03 -0.492679 -0.985358 
4 2000-01-04 -1.234068 -2.468135 
5 2000-01-05 1.725218 3.450437, 'D':   date  value value2 
9 2000-01-03 -0.048108 -0.096216 
10 2000-01-04 0.184461 0.368922 
11 2000-01-05 -0.349496 -0.698993}, dtype=object) 

Bu yaklaşımlardan biri diğerinden daha iyi midir? Neden xarray, çoklu kayıt işlemlerini tamamen değiştirmedi?

Answer 1

Çok boyutlu diziler üzerinde çalışmak için xray'e geçiş var gibi görünüyor. Pandalar 3D paneller veri yapısı için ve documentation even suggest using xarray for working with multidemensional arrays destek değer kaybeden olacaktır:

Çoğu kez

', tek basitçe kolayca yüksek boyutlu veriler ile çalışmak için bir MultiIndex DataFrame kullanabilirsiniz. Ayrıca, 'un Panel'in ana kullanım durumlarından biri olduğu çok boyutlu analizleri desteklemek için xarray paketi, özellikle sıfırdan, 'dan inşa edilmiştir. Burada xarray panel geçiş belgelerine bir bağlantı var.

xarray olarak pandalar gibi güçlü ancak bunun yerine tablo verilerinin homojen N boyutlu dizilerle çalışma tasarlanmış bir veri analizi araç sunmayı amaçlamaktadır: xarray documentation itibaren

onların amaç ve hedefleri ifade

... Hedef kitlemiz, N-boyutlu etiketli dizilerine ihtiyaç duyan herkes, ancak özellikle fiziki bilim adamlarının veri analiz ihtiyaçlarına odaklandık Özellikle zaten biliyor ve geoscientists netCDF

aşk düz numpy kullanılmasına göre xarray en önemli avantajı birden çok nitelik üzerinde yaptığı aynı şekilde pandalar etiket kullanan olmasıdır. 3 boyutlu verilerle çoklu indeksleme veya xarray kullanarak çalışıyorsanız, değiştirilebilir. Veri kümenizdeki boyutların sayısı arttıkça xarray daha kolay yönetilebilir hale gelir. Her birinin verimlilik veya hız açısından nasıl performans gösterdiğini yorumlayamıyorum.