Membuat bingkai data panda yang diisi nol

Apa cara terbaik untuk membuat bingkai data panda berisi nol dengan ukuran tertentu?

Saya telah menggunakan:

zero_data = np.zeros(shape=(len(data),len(feature_list)))
d = pd.DataFrame(zero_data, columns=feature_list)

Apakah ada cara yang lebih baik untuk melakukannya?

Anda dapat mencoba ini:

d = pd.DataFrame(0, index=np.arange(len(data)), columns=feature_list)

Paling baik melakukan ini dengan numpy menurut saya

import numpy as np
import pandas as pd
d = pd.DataFrame(np.zeros((N_rows, N_cols)))

Mirip dengan @Shravan, tetapi tanpa penggunaan numpy:

  height = 10
  width = 20
  df_0 = pd.DataFrame(0, index=range(height), columns=range(width))

Kemudian Anda dapat melakukan apa pun yang Anda inginkan dengannya:

post_instantiation_fcn = lambda x: str(x)
df_ready_for_whatever = df_0.applymap(post_instantiation_fcn)

Jika Anda ingin bingkai data baru memiliki indeks dan kolom yang sama dengan bingkai data yang sudah ada, Anda bisa mengalikan bingkai data yang ada dengan nol:

df_zeros = df * 0

Jika Anda sudah memiliki dataframe, inilah cara tercepat:

In [1]: columns = ["col{}".format(i) for i in range(10)]
In [2]: orig_df = pd.DataFrame(np.ones((10, 10)), columns=columns)
In [3]: %timeit d = pd.DataFrame(np.zeros_like(orig_df), index=orig_df.index, columns=orig_df.columns)
10000 loops, best of 3: 60.2 µs per loop

Dibandingkan dengan:

In [4]: %timeit d = pd.DataFrame(0, index = np.arange(10), columns=columns)
10000 loops, best of 3: 110 µs per loop

In [5]: temp = np.zeros((10, 10))
In [6]: %timeit d = pd.DataFrame(temp, columns=columns)
10000 loops, best of 3: 95.7 µs per loop

Dengan asumsi memiliki template DataFrame, mana yang ingin disalin dengan nilai nol diisi di sini ...

Jika Anda tidak memiliki NaN dalam kumpulan data Anda, mengalikan dengan nol bisa jauh lebih cepat:

In [19]: columns = ["col{}".format(i) for i in xrange(3000)]                                                                                       

In [20]: indices = xrange(2000)

In [21]: orig_df = pd.DataFrame(42.0, index=indices, columns=columns)

In [22]: %timeit d = pd.DataFrame(np.zeros_like(orig_df), index=orig_df.index, columns=orig_df.columns)
100 loops, best of 3: 12.6 ms per loop

In [23]: %timeit d = orig_df * 0.0
100 loops, best of 3: 7.17 ms per loop

Peningkatan bergantung pada ukuran DataFrame, tetapi tidak pernah menemukannya lebih lambat.

Dan hanya untuk itu:

In [24]: %timeit d = orig_df * 0.0 + 1.0
100 loops, best of 3: 13.6 ms per loop

In [25]: %timeit d = pd.eval('orig_df * 0.0 + 1.0')
100 loops, best of 3: 8.36 ms per loop

Tapi:

In [24]: %timeit d = orig_df.copy()
10 loops, best of 3: 24 ms per loop

EDIT !!!

Dengan asumsi Anda memiliki bingkai yang menggunakan float64, ini akan menjadi yang tercepat dengan margin yang sangat besar! Itu juga dapat menghasilkan nilai apa pun dengan mengganti 0,0 ke nomor isian yang diinginkan.

In [23]: %timeit d = pd.eval('orig_df > 1.7976931348623157e+308 + 0.0')
100 loops, best of 3: 3.68 ms per loop

Tergantung pada selera, seseorang dapat mendefinisikan nan secara eksternal, dan melakukan solusi umum, terlepas dari jenis float tertentu:

In [39]: nan = np.nan
In [40]: %timeit d = pd.eval('orig_df > nan + 0.0')
100 loops, best of 3: 4.39 ms per loop