[Pandas] 04 - Efficient I/O
2024-10-03 10:45:22
SQLITE3接口 to Arrary
——从数据库加载数据到dataframe/numpy中。
调动 SQLITE3数据库
import sqlite3 as sq3
query = 'CREATE TABLE numbs (Date date, No1 real, No2 real)' con = sq3.connect(path + 'numbs.db')
con.execute(query)
con.commit()
commit 命令
COMMIT 命令是用于把事务调用的更改保存到数据库中的事务命令。
COMMIT 命令把自上次 COMMIT 或 ROLLBACK 命令以来的所有事务保存到数据库
返回值处理
返回所有值,就用 fetchall()。
con.execute('SELECT * FROM numbs').fetchmany(10) pointer = con.execute('SELECT * FROM numbs')
for i in range(3):
print(pointer.fetchone())
Output:
-------------------------------------------------
('2017-11-18 11:18:51.443295', 0.12, 7.3)
('2017-11-18 11:18:51.466328', 0.9791, -0.01914)
('2017-11-18 11:18:51.466580', -0.88736, 0.19104)
保存到NumPy
第一步、通过初始化直接格式变换即可。
query = 'SELECT * FROM numbers WHERE No1 > 0 AND No2 < 0' res = np.array( con.execute(query).fetchall() ).round(3)
第二步、可视化数据 by resampling,也就是少取一些点。
res = res[::100] # every 100th result
import matplotlib.pyplot as plt
%matplotlib inline
plt.plot(res[:, 0], res[:, 1], 'ro')
plt.grid(True);
plt.xlim(-0.5, 4.5);
plt.ylim(-4.5, 0.5)
# tag: scatter_query
# title: Plot of the query result
# size: 60
SQLITE3接口 to DataFrame
读取整个表
一张表通常内存可以搞定,全部读取也不是避讳的事情。
import sqlite3 as sq3
filename = path + 'numbs'
con = sq3.Connection(filename + '.db') %time data = pd.read_sql('SELECT * FROM numbers', con)
data.head()
表操作
其实已经演变为 ndarray操作。
“与” 条件
%time data[(data['No1'] > 0) & (data['No2'] < 0)].head()
“或” 条件
%%time
res = data[['No1', 'No2']][((data['No1'] > 0.5) | (data['No1'] < -0.5))
& ((data['No2'] < -1) | (data['No2'] > 1))]
PyTable的快速I/O
HDF5数据库/文件标准。
"无压缩" 创建一个大表
表定义
import numpy as np
import tables as tb
import datetime as dt
import matplotlib.pyplot as plt
%matplotlib inline filename = './data/tab.h5'
h5 = tb.open_file(filename, 'w') # 有几行:多搞几行,弄一个大表
rows = 2000000 # 有几列
row_des = {
'Date': tb.StringCol(26, pos=1),
'No1': tb.IntCol(pos=2),
'No2': tb.IntCol(pos=3),
'No3': tb.Float64Col(pos=4),
'No4': tb.Float64Col(pos=5)
}
创建表
filters = tb.Filters(complevel=0) # no compression tab = h5.create_table('/', 'ints_floats', row_des,
title='Integers and Floats',
expectedrows=rows, filters=filters)
新增数据
此时,表还在内存中,向这个表内添加数据。
(1) 一个关键的列表形式。
pointer = tab.row
(2) 生成随机数填充。
ran_int = np.random.randint(0, 10000, size=(rows, 2))
ran_flo = np.random.standard_normal((rows, 2)).round(5)
(3) 赋值给内存中的表。
传统策略,使用了繁琐的循环。
%%time
for i in range(rows):
pointer['Date'] = dt.datetime.now()
pointer['No1'] = ran_int[i, 0]
pointer['No2'] = ran_int[i, 1]
pointer['No3'] = ran_flo[i, 0]
pointer['No4'] = ran_flo[i, 1]
pointer.append()
# this appends the data and
# moves the pointer one row forward
tab.flush() # 相当于SQLITE3中的commit命令
矩阵策略,省掉了循环。
%%time
sarray['Date'] = dt.datetime.now()
sarray['No1'] = ran_int[:, 0]
sarray['No2'] = ran_int[:, 1]
sarray['No3'] = ran_flo[:, 0]
sarray['No4'] = ran_flo[:, 1]
“压缩” 创建一个大表
创建压缩表
因rows中其实已经有了数据,所以创建的同时就同步写入文件。
filename = './data/tab.h5c'
h5c = tb.open_file(filename, 'w')
filters = tb.Filters(complevel=4, complib='blosc') tabc = h5c.create_table('/', 'ints_floats', sarray,
title='Integers and Floats',
expectedrows=rows, filters=filters)
dnarray读取
读取内存数据,返回 numpy.ndarray。
%time arr_com = tabc.read()
h5c.close()
内存外计算
比如,处理一个若干GB的数组。
创建一个外存数组 EArray
filename = './data/array.h5'
h5 = tb.open_file(filename, 'w') n = 100
ear = h5.create_earray(h5.root, 'ear',
atom=tb.Float64Atom(),
shape=(0, n)) %%time
rand = np.random.standard_normal((n, n))
for i in range(750):
ear.append(rand)
ear.flush() ear.size_on_disk # 查看一下,这个E Array是个大数组
创建一个对应的 EArray
第一步、设置外存 workspace。
out = h5.create_earray(h5.root, 'out', atom=tb.Float64Atom(), shape=(0, n))
第二步、通过外存来计算ear大数组。
expr = tb.Expr('3 * sin(ear) + sqrt(abs(ear))') # 这里是 import tables as tb 中的 Expr,而不是import numexpr as ne
# the numerical expression as a string object expr.set_output(out, append_mode=True)
# target to store results is disk-based array %time expr.eval()
# evaluation of the numerical expression
# and storage of results in disk-based array
第三步、从外存读入内存,传的自然是“变量“,而非”workspace"。
%time imarray = ear.read()
# read whole array into memory
End.
最新文章
- 使用注解匹配Spring Aop切点表达式
- 如何在WPF的DiagramControl中绘制一个类型数据关系图的方法
- salesforce 零基础开发入门学习(三)sObject简单介绍以及简单DML操作(SOQL)
- volatile的理解
- Android开发中常用到方法总结
- POJ 2236 Wireless Network (并查集)
- Android源码分析:HeaderViewListAdapter
- Arrays常用API的事例
- 【模拟】Codeforces 691A Fashion in Berland
- easyui datebox 时间限制,datebox开始时间限制结束时间,datebox截止日期比起始日期大
- sqlite的几种访问方法
- [js高手之路]Vue2.0基于vue-cli+webpack Vuex用法详解
- 如何从零绘制k线图 -- 原生js canvas图表绘制
- hibernate-release-5.2.9.Final
- Storm学习笔记 - Storm初识
- 本地连接虚拟机_环境搭建01_VMWARE/XShell/CentOS
- 【SpringBoot】SpringBoot拦截器实战和 Servlet3.0自定义Filter、Listener
- iOS设计标注处理方法
- 关于使用rem单位、css函数calc()进行自适应布局
- 联想Thinkpad笔记本自带win10改win7图文教程