锐客网

  1. 首页 > 睿知 > it技术 > >

python求频数的函数 python频数分布图

IT技术数据

如何高效地使用Python统计数据的频率之前用 Python 写过一个脚本，用来处理上千万用户的一些数据 ， 其中有一个需求是统计用户的某一数据的去重数量 。为了加快程序的速度，我启用了多进程 。但不幸的是，程序跑了近一个星期 ， 还没处理完 。这时，我感觉到了不对，于是开始查看程序的性能瓶颈 。
对于统计去重数，我是将用户的数据放到一个列表中 ， 然后用 len(set(data)) 去统计去重数量 。刚开始我以为这的数据量并不大，每个用户的数据不会过百 ， 我并没有注意到有的用户会有上万条的数据，因此消耗了大量的时间（其实我的脚本消耗时间最大的地方是因为从远程 redis 中取大量数据时发生长时间的阻塞，甚至连接超时，最后我采用的方式分而治之，每次取少量的数据，这样大大的提高了性能） 。
为了做优化，我开始寻求高效的方法 。我发现，有大量的人认为采用字典效率会更高，即：
data_unique = {}.fromkeys(data).keys() len(data_unique)
于是，我做了下测试：
In [1]: import random In [2]: data = https://www.04ip.com/post/[random.randint(0, 1000) for _ in xrange(1000000)] In [3]: %timeit len(set(data)) 10 loops, best of 3: 39.7 ms per loop In [4]: %timeit len({}.fromkeys(data).keys()) 10 loops, best of 3: 43.5 ms per loop
由此可见，采用字典和采用集合的性能是差不多的，甚至可能还要慢些 。
在 Python 中其实有很多高效的库，例如用 numpy、pandas 来处理数据，其性能接近于 C 语言 。那么，我们就用 numpy 和 pandas 来解决这个问题，这里我还比较了获取去重数据的性能，代码如下：
import collections import random as py_random import timeit import numpy.random as np_random import pandas as pd DATA_SIZE = 10000000 def py_cal_len():data = https://www.04ip.com/post/[py_random.randint(0, 1000) for _ in xrange(DATA_SIZE)]len(set(data)) def pd_cal_len():data = np_random.randint(1000, size=DATA_SIZE)data = pd.Series(data)data_unique = data.value_counts()data_unique.size def py_count():data = [py_random.randint(0, 1000) for _ in xrange(DATA_SIZE)]collections.Counter(data) def pd_count():data = np_random.randint(1000, size=DATA_SIZE)data = pd.Series(data)data.value_counts() # Script starts from here if __name__ =="__main__":t1 = timeit.Timer("py_cal_len()", setup="from __main__ import py_cal_len")t2 = timeit.Timer("pd_cal_len()", setup="from __main__ import pd_cal_len")t3 = timeit.Timer("py_count()", setup="from __main__ import py_count")t4 = timeit.Timer("pd_count()", setup="from __main__ import pd_count")print t1.timeit(number=1)print t2.timeit(number=1)print t3.timeit(number=1)print t4.timeit(number=1)
运行结果：
12.438587904 0.435907125473 14.6431810856 0.258564949036
利用 pandas 统计数据的去重数和去重数据，其性能是 Python 原生函数的 10 倍以上 。
python想统计数据框中指定一列的频数,要使用以下哪个函数？【python求频数的函数 python频数分布图】Python想统计数据框中指定python求频数的函数的一列数 ， 那么再说函数的时候 ， 你可以使用if函数或者是其python求频数的函数他的函数都可以 。
python pandas 统计某一数据出现多少次输入python求频数的函数：
import pandas as pd
data0 = [0,1,2,0,1,0,2,0]
pd.value_counts(data0)
输出每个数出现python求频数的函数的频数：
04
22
12
（0出现4次python求频数的函数，2出现2次python求频数的函数，1出现两次）
关于python求频数的函数和python频数分布图的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息 ， 记得收藏关注本站 。

    推荐阅读


    上一篇：wgf360.net新系统，360系统

    下一篇：怎么插入很多行excel的简单介绍