大熊猫的性能差异read_table，read_csv，from_csv和read_excel？
我倾向于将.csv文件导入熊猫，但有时我可能会获取其他格式的数据来制作DataFrame对象。
今天，我只是发现了有关read_table为其他格式的“通用”的进口商，如果有阅读的.csv文件，例如，在大熊猫的各种方法之间显著的性能差异纳闷read_table，from_csv，read_excel。
- 这些其他方法的性能是否比以下更好
read_csv？ - 是
read_csv远远不同的from_csv创建DataFrame？
问题答案：
read_table是read_csv与sep=','被替换sep='\t'，它们围绕着相同功能的两个薄包装纸因此性能将是相同的。read_excel使用该xlrd程序包将xls和xlsx文件读入DataFrame，它不处理csv文件。from_csv打电话read_table，所以没有。
-
我正在读取一个包含多个datetime列的csv文件。我需要在读取文件时设置数据类型，但datetimes似乎是个问题。例如： 运行时出现错误： 不理解数据类型"datetime" 通过pandas在事实之后转换列。to_datetime（）不是一个选项，我不知道哪些列将成为datetime对象。这些信息可以更改，并且来自于通知我的数据类型列表的任何信息。 或者，我尝试用numpy.genfrom
-
问题内容： 打电话时 我得到： /Users/josh/anaconda/envs/py27/lib/python2.7/site- packages/pandas/io/parsers.py:1130：DtypeWarning：列（4,5,7,16）具有混合类型。在导入时指定dtype选项，或将low_memory = False设置为false。 为什么选项与关联，为什么使它有助于解决此问题？
-
问题内容： 我将Python 3.4与IPython结合使用，并具有以下代码。我无法从给定的URL读取csv文件： 我有以下错误 “预期的文件路径名或类似文件的对象，得到了类型” 我怎样才能解决这个问题？ 问题答案： 更新资料 现在，您可以从熊猫直接传递URL。 正如错误所暗示的，需要一个类似文件的对象作为第一个参数。 如果要从字符串读取csv，可以使用（Python 3.x）或（Python 2
-
和？ 到目前为止，这是我发现的，请评论我的理解是否完整和准确： > 只能使用列（加上行索引），并且它在语义上适合于数据库风格的操作。可以与任一轴一起使用，只使用索引，并且提供了添加一个分级索引。 顺便说一下，这允许以下冗余：两者都可以使用行索引组合两个数据帧。 只提供了 （Pandas擅长处理数据分析中非常广泛的用例。探索文档以找出执行特定任务的最佳方式可能有点令人生畏。）
-
我有一个63 MB的csv文件和患者的血液测试。我无法获得DataFrame。它说： 类型警告:列(5，12，20，21，22，23，24，25，26，30，32，35，36，37，38，39，40，41，43，44，45，46，47，48，49，50，51，52，53，54，55，56，57，58，59，60，61，62，63，64请在导入时指定dtype选项，或者设置low_memory=Fa
-
我试图在pandas中使用从FTP服务器读取压缩文件。zip文件只包含一个文件，这是必需的。 这是我的密码： 我得到这个错误： 我在pandas 18.1和19.0中都遇到了这个错误。我是否遗漏了什么，或者这可能是一个错误？
-
问题内容： Pandas确实很棒，但令我惊讶的是，从Pandas.DataFrame检索值的效率低下。在下面的玩具示例中，即使DataFrame.iloc方法也比字典慢100倍以上。 问题：这里的教训仅仅是字典是查找价值的更好方法吗？是的，我知道那正是他们的目的。但是我只是想知道是否缺少有关DataFrame查找性能的信息。 我意识到这个问题比“提问”更“有趣”，但是我会接受一个提供洞察力或观点的
-
我有一个数据帧，如： 所以我想通过两个“for循环”添加一些列，如： 新的类似数据帧的图片： 我的代码不起作用： 如何编写代码来获得像第二张图片这样的数据帧？