python – DataFrame系列与Pandas中的Panel之间的区别

是一个pandas.Series由多个pandas.DataFrame组成,类似于pandas.Panel？初看起来,它们似乎都是非常相似的数据结构.您何时决定使用一系列数据框,何时使用面板？

解决方法:

Panel通常具有更高的内存/计算效率 – 一系列DataFrame与一系列任意python对象的差别不大 – 而Panel api应该使操作更容易.

In [18]: dfs = {i:pd.DataFrame({'a':np.linspace(0,100, 10000), 
                                'b':np.linspace(0,100, 10000)}) 
                for i in range(1000)}

In [19]: s = pd.Series(dfs)

In [20]: pnl = pd.Panel(dfs)

In [21]: pnl.sum()
Out[21]: 
      0       1       2       3       4       5       6       7       8    \
a  500000  500000  500000  500000  500000  500000  500000  500000  500000   
b  500000  500000  500000  500000  500000  500000  500000  500000  500000   

      9     ...       990     991     992     993     994     995     996  \
a  500000   ...    500000  500000  500000  500000  500000  500000  500000   
b  500000   ...    500000  500000  500000  500000  500000  500000  500000   

      997     998     999  
a  500000  500000  500000  
b  500000  500000  500000  

# equivalent with a series of frames
In [24]: s.apply(lambda x: x.sum()).T

In [22]: %timeit pnl.sum()
10 loops, best of 3: 23.4 ms per loop

In [25]: %timeit s.apply(lambda x: x.sum()).T
10 loops, best of 3: 123 ms per loop

请注意,Panel的使用率比其他pandas api要少 – 取决于你想要实现的目标,你可能会更幸运的是拥有MultiIndex的DataFrame或更专门用于多维数据的东西,比如xray