Stata.dta形式で保存されたデータファイルを継承しました。関数でロードできますscikits.statsmodels
genfromdta()
。これにより、データが1次元のNumPy配列に配置されます。各エントリは、24タプルに格納されたデータの行です。
In [2]: st_time = time.time(); initialload = sm.iolib.genfromdta("/home/myfile.dta"); ed_time = time.time(); print (ed_time - st_time)
666.523324013
In [3]: type(initialload)
Out[3]: numpy.ndarray
In [4]: initialload.shape
Out[4]: (4809584,)
In [5]: initialload[0]
Out[5]: (19901130.0, 289.0, 1990.0, 12.0, 19901231.0, 18.0, 40301000.0, 'GB', 18242.0, -2.368063, 1.0, 1.7783716290878204, 4379.355, 66.17669677734375, -999.0, -999.0, -0.60000002, -999.0, -999.0, -999.0, -999.0, -999.0, 0.2, 371.0)
これをPandasDataFrameに配置する効率的な方法があるかどうか知りたいです。私が読んだことから、DataFrameを行ごとに構築することは非常に非効率的であるように思われます...しかし、私のオプションは何ですか?
各タプルを単一行のDataFrameとして読み取り、それを追加するだけの、かなり遅いファーストパスを作成しました。他にもっと良いことが知られているのかどうか疑問に思っています。