我正在使用字典運(yùn)行學(xué)校作業(yè)匹配算法。該算法的所有過程都相對(duì)高效，除了我需要將結(jié)果導(dǎo)出到.csv.students是一個(gè)包含 483.070 對(duì)鍵值對(duì)的字典。鍵是一個(gè)帶有 id 的整數(shù)，值是我創(chuàng)建的 Student 類對(duì)象。實(shí)際上，要導(dǎo)出結(jié)果，我正在使用以下方法。def parse_student_match_information(student: Student) -> int: if student.assigned_vacancy is None: return 0 return student.assigned_vacancy.program_iddef get_assignation_output(students: dict)-> pd.DataFrame: result = pd.DataFrame(columns = ['Student_ID', 'Program_ID', 'Grade_ID']) for student in students.values(): program_id = parse_student_match_information(student) result = result.append({'Student_ID': student.id, 'Program_ID': program_id, 'Grade_ID': student.grade}, ignore_index = True) return result.sort_values('Grade_ID')制作這個(gè)花了一個(gè)多小時(shí)pd.DataFrame。歡迎任何建議！
1 回答
慕后森
TA貢獻(xiàn)1802條經(jīng)驗(yàn) 獲得超5個(gè)贊
通常，您不想附加到 DataFrame 而是從可迭代對(duì)象中創(chuàng)建它，更好的方法如下所示。
def parse_student_match_information(student: Student) -> int:
if student.assigned_vacancy is None:
return 0
return student.assigned_vacancy.program_id
def get_assignation_output(students: dict) -> Iterable[dict]:
for student in students.values():
program_id = parse_student_match_information(student)
result = {'Student_ID': student.id, 'Program_ID': program_id, 'Grade_ID': student.grade}
yield result
def make_df(rows: Iterable[dict]) -> pd.DataFrame:
df = pd.DataFrame(rows, columns=['Student_ID', 'Program_ID', 'Grade_ID'])
df.sort_values(by=['Grade_ID'])
return df
這樣，您可以一次從所有行創(chuàng)建 DataFrame，然后在最后對(duì)它進(jìn)行一次排序，而不是每次迭代。您應(yīng)該會(huì)從中看到性能方面的改進(jìn)。
添加回答
舉報(bào)
0/150
提交
取消