Python 什么'；将数据帧转换为位图更有效的方法是什么？

我有一个熊猫数据框，有3列（x，y，d），大约有200000行x和y是整数，表示网格的位置d表示栅格的点密度。大约有90行丢失（不包括在df中），所有这些行的d都为0

我想将数据帧绘制成一个501*501像素，每个像素的颜色由其对应的d确定

我可以使用numpy、matplotlib和PIL来实现它，图像如下所示：然而，运行时大约为16s。我想知道还有什么可以提高性能的吗

代码如下：

最后一步，遍历数据帧并对像素着色是最耗时的（~16s），我可以使用其他方法吗？多谢各位

更新：

---

在我的代码中，我没有使用[]操作符，而是使用.at[]对数据帧进行索引。运行时间提高了100%（~8s）。然而，我仍然想知道如何进一步改进它

使用

像素

作为三维数组，我们可以以矢量化的方式分配-

pixels = np.zeros((501,501,3),dtype=np.uint8)
pixels[df['x'], df['y']] = np.vstack(df['d'].values)

---

熊猫数据帧可以很容易地用枕头转换成图像。希望这些语法能帮助你解决这个问题

dataframe = pd.read_csv('A.csv'), header=None)
dataframe.to_numpy()

# create Pillow image
image = Image.fromarray(dataframe, 'L')        # L is mode for grayscale
print(type(image))

# summarize image details
print(image.mode)
print(image.size)

#save image
img_filename = 'A.bmp'
image.save(img_filename)
print('saved:', img_filename)

---

使用像素数组怎么样：

pixels=np.zero（（501501,3），dtype=np.uint8）

？@Divakar谢谢你的建议。我曾尝试将数组用于像素，但对运行时没有帮助。我在想是不是访问熊猫数据帧太贵了？

dataframe = pd.read_csv('A.csv'), header=None)
dataframe.to_numpy()

# create Pillow image
image = Image.fromarray(dataframe, 'L')        # L is mode for grayscale
print(type(image))

# summarize image details
print(image.mode)
print(image.size)

#save image
img_filename = 'A.bmp'
image.save(img_filename)
print('saved:', img_filename)