使用Pandas的pd.DataFrame()导致CPU占用过高求助

嘿，作为刚接触Pandas的新手，遇到这种卡顿问题太正常了！我来帮你拆解一下问题出在哪，以及怎么解决：

问题根源：不必要的转置 + 错误的DataFrame构造方式 #

首先，Series.transpose()对你的操作完全没意义——因为Series是一维数据结构，转置之后它还是原来的样子，不会有任何结构上的变化，这一步纯粹是做了无用功。

更关键的是你创建DataFrame的写法：pd.DataFrame(x,y,z)，这完全搞错了Pandas构造DataFrame的参数逻辑。Pandas的pd.DataFrame()第一个参数是数据主体，第二个参数index是行索引，第三个参数columns是列名。你把三个Series分别传进去，Pandas会尝试把x（Date列）当作数据，y（Fatalities）当作行索引，z（Injuries）当作列名，这会触发Pandas的广播机制，试图生成一个规模巨大的DataFrame（行数等于Fatalities的长度，列数等于Injuries的长度），直接把你的CPU和内存拉满，导致电脑卡顿。

正确的做法：直接提取所需列构造DataFrame #

你想要的其实就是把Date、Fatalities、Injuries这三列组合成新的DataFrame对吧？根本不需要转置，直接用下面的代码就可以高效完成：

# 最简单的方式：直接从原数据中提取指定列
plotting_data = data[["Date", "Fatalities", "Injuries"]]

# 如果你的需求是把Date作为行索引（类似"转置"的结构调整），可以这样写：
plotting_data = data.set_index("Date")[["Fatalities", "Injuries"]]

额外小建议 #

1. 处理数据前先看一眼数据规模：用print(data.shape)看看原数据有多少行多少列，避免不小心生成远超预期的数据集。
2. 尽量避免对Series做无意义的操作，比如transpose()，不仅浪费资源，还容易混淆逻辑。
3. 如果数据量确实很大，Mac上可以打开「活动监视器」看看内存占用——如果内存不够，系统会频繁使用虚拟内存（Swap），这也会导致CPU占用飙升。

内容的提问来源于stack exchange，提问作者oba2311