PerformanceWarning: DataFrame is highly fragmented.

PerformanceWarning: DataFrame is highly fragmented.  This is usually the result of calling `frame.insert` many times, which has poor performance.  
Consider joining all columns at once using pd.concat(axis=1) instead. To get a de-fragmented frame, use `newframe = frame.copy()

        为了做数据分析，在生成一个DataFrame时，以日期作为行索引，股票名称作为列索引，每只股票的涨跌幅作为列数据。当数据量大的时候，创建的时候会报类似上面的错误。生成的目标DataFrame如下图所示（过去一年以来某些股票的涨跌幅数据）：

        出现上述的“DataFrame is highly fragmented”报警，我用的是下面的代码：新建一个空的DataFrame,再逐个添加列。

df = pd.DataFrame()
for company in company_name[:]: # compnay是元素为dataFrame的list
    company.drop_duplicates(subset=['trd_date'], inplace=True)
    df[company['股票简称'].values[0]]=company['涨跌幅']

那么，有什么解决办法呢？         

        1、处理的数据太多的话，报警输出很多，可以关闭掉报警。

import warnings
warnings.simplefilter(action='ignore', category=pd.errors.PerformanceWarning)

        2、按报警提示修改代码，用concat的方法，逐个合并dataFrame。

df = pd.DataFrame()
for company in company_name: # compnay是元素为dataFrame的list
    company.drop_duplicates(subset=['trd_date'], inplace=True)
    df = pd.concat([df, pd.DataFrame({company['股票简称'].values[0]:company['涨跌幅']})], axis=1).copy()

        3、把数据添加到dict中，而后转成dataFrame。

dt = {}
for company in company_name:
    company.drop_duplicates(subset=['trd_date'], inplace=True)
    dt[company['股票简称'].values[0]]=company['涨跌幅']
df = pd.DataFrame(dt)

 最后，我们测试对比 一下性能：

        所以在碰到对dataFrame的行或列频繁进行添加时，避免逐个添加，可以先保存成dict，转换成dataFrame之后，再一次性追加到原有的dataFrame中。