我正在使用influxdb Python库来获取我的数据库中的系列列表。大约有20k系列。然后我尝试在系列中构建Pandas dataframe。我正在考虑15S（我想摆脱纳秒，我想知道为什么在所有版本I＆＃39;中都缺少关于InfluxDB的Python库记录的get_list_series()电话。尝试过，但那些是其他问题......）;我想最终得到一个大数据框架。
以下是代码：
from influxdb import DataFrameClient
.... get series list ...
temp_df = pd.DataFrame()
for series in series_list:
df = dfclient.query('select time,temp from {} where "series" = \'{}\''.format(location, temp))[location].asfreq('15S')
df.columns = [series]
if temp_df.empty:
temp_df = df
else:
temp_df = temp_df.join(df, how='outer')
这开始很好，但在几百个系列之后，快速减速，几乎停止磨损。我确信我没有以正确的方式使用熊猫，我希望你能以正确的方式告诉我如何做到这一点。
为了它的价值，我在相对强大的硬件上运行它（这就是为什么我相信我这样做的方式不对。）
还有一件事：时间序列＆＃39;对于我从InfluxDB中提取的每个系列可能与所有其他系列不同，这就是我使用join的原因。我希望最终得到一个DF，每个系列都有一列，日期时间在索引中适当排序;加入就是这样。