我有一个numpy structured array具有整数和浮点数的 a ，我用它来初始化 a pandas DataFrame：
In [497]: x = np.ones(100000000, dtype=[('f0', '<i8'), ('f1', '<f8'),('f2','<i8'),('f3', '<f8'),('f4', '<f8'),('f5', '<f8'),('f6', '<f8'),('f7', '<f8')])
In [498]: %timeit pd.DataFrame(x)
The slowest run took 4.07 times longer than the fastest. This could mean that an intermediate result is being cached
In [498]: 1 loops, best of 3: 2min 26s per loop
In [499]: xx=x.view(np.float64).reshape(x.shape + (-1,))
In [500]: %timeit pd.DataFrame(xx)
1 loops, best of 3: 256 ms per loop
从上面的代码可以看出，DataFrame用 a初始化structured array是很慢的。但是，如果我将数据更改为连续的浮点 numpy 数组，它会很快。但我仍然需要DataFrame混合浮点数和整数。
经过更多测试后，我意识到 DataFrame 实际上是在复制整个数据（使用浮动视图进行初始化structured array时不会发生这种情况）。structured array我在这里找到了更多信息：https ://github.com/pydata/pandas/issues/9216
有没有办法加快初始化并避免复制？我对替代方法持开放态度，但数据来自structured array.