Question

我有一个包含423244行的大型数据帧。我想将其拆分为4.我尝试了下面的代码，它给出了一个错误？ ValueError: array split does not result in an equal division

for item in np.split(df, 4):
    print item

如何将此数据框拆分为4组？

Answer 1

使用np.array_split：

Docstring:
Split an array into multiple sub-arrays.

Please refer to the ``split`` documentation.  The only difference
between these functions is that ``array_split`` allows
`indices_or_sections` to be an integer that does *not* equally
divide the axis.

In [1]: import pandas as pd

In [2]: df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
   ...:                           'foo', 'bar', 'foo', 'foo'],
   ...:                    'B' : ['one', 'one', 'two', 'three',
   ...:                           'two', 'two', 'one', 'three'],
   ...:                    'C' : randn(8), 'D' : randn(8)})

In [3]: print df
     A      B         C         D
0  foo    one -0.174067 -0.608579
1  bar    one -0.860386 -1.210518
2  foo    two  0.614102  1.689837
3  bar  three -0.284792 -1.071160
4  foo    two  0.843610  0.803712
5  bar    two -1.514722  0.870861
6  foo    one  0.131529 -0.968151
7  foo  three -1.002946 -0.257468

In [4]: import numpy as np
In [5]: np.array_split(df, 3)
Out[5]: 
[     A    B         C         D
0  foo  one -0.174067 -0.608579
1  bar  one -0.860386 -1.210518
2  foo  two  0.614102  1.689837,
      A      B         C         D
3  bar  three -0.284792 -1.071160
4  foo    two  0.843610  0.803712
5  bar    two -1.514722  0.870861,
      A      B         C         D
6  foo    one  0.131529 -0.968151
7  foo  three -1.002946 -0.257468]

Answer 2

我想做同样的事情，我首先遇到分裂问题，然后安装pandas 0.15.2的问题，所以我回到了我的旧版本，写了一个功能很好的小功能。我希望这可以帮助你！

# input - df: a Dataframe, chunkSize: the chunk size
# output - a list of DataFrame
# purpose - splits the DataFrame into smaller of max size chunkSize (last is smaller)
def splitDataFrameIntoSmaller(df, chunkSize = 10000): 
    listOfDf = list()
    numberChunks = len(df) // chunkSize + 1
    for i in range(numberChunks):
        listOfDf.append(df[i*chunkSize:(i+1)*chunkSize])
    return listOfDf

Answer 3

请注意np.array_split(df, 3)将数据帧拆分为3个子数据帧，而splitDataFrameIntoSmaller(df, chunkSize = 3)每隔chunkSize行拆分数据帧。

示例：

df = pd.DataFrame([1,2,3,4,5,6,7,8,9,10,11], columns=['TEST'])
df_split = np.array_split(df, 3)

您将获得3个子数据帧：

df_split[0] # 1, 2, 3, 4
df_split[1] # 5, 6, 7, 8
df_split[2] # 9, 10, 11

使用：

df_split2 = splitDataFrameIntoSmaller(df, chunkSize = 3)

您将获得4个子数据帧：

df_split2[0] # 1, 2, 3
df_split2[1] # 4, 5, 6
df_split2[2] # 7, 8, 9
df_split2[3] # 10, 11

希望我是对的，希望这很有用。

Answer 4

注意：

np.array_split无法使用numpy-1.9.0。我检查了：它适用于1.8.1。

错误：

数据框没有＆＃39;大小＆＃39;属性

Answer 5

我想现在我们可以使用普通iloc和range进行此操作。

chunk_size = int(df.shape[0] / 4)
for start in range(0, df.shape[0], chunk_size):
    df_subset = df.iloc[start:start + chunk_size]
    process_data(df_subset)
    ....

Answer 6

您可以使用groupby，假设您有一个整数枚举索引：

import math
df = pd.DataFrame(dict(sample=np.arange(99)))
rows_per_subframe = math.ceil(len(df) / 4.)

subframes = [i[1] for i in df.groupby(np.arange(len(df))//rows_per_subframe)]

注意：groupby返回一个元组，其中第二个元素是数据帧，因此提取稍微复杂。

>>> len(subframes), [len(i) for i in subframes]
(4, [25, 25, 25, 24])

Answer 7

我还遇到了np.array_split无法与Pandas DataFrame一起使用的问题，我的解决方案是仅拆分DataFrame的索引，然后引入带有“组”标签的新列：

indexes = np.array_split(df.index,N, axis=0)
for i,index in enumerate(indexes):
   df.loc[index,'group'] = i

这使得grouby运算非常便于实例计算每个组的平均值：

df.groupby(by='group').mean()

Answer 8

您可以使用列表推导功能在一行中完成

n = 4
chunks = [df[i:i+n] for i in range(0,df.shape[0],n)]

拆分大型pandas数据帧

8 个答案: