是否发现pandas库在处理大量数据时速度较慢,并且希望程序运行得更快?当然,有一些使用pandas的最佳实践(如矢量化等)。本文讨论的内容将代码运行得更快,甚至超过采用最佳实践。我们需要使用其他数据处理库,以使程序运行得更快。不用担心,这些库都具有与pandas类似的语法,因此学习如何使用也非常容易。由于底层的numpy数组数据结构和C代码,pandas库已经相当快了。然而,默认情况下,所有Python代码都在单个CPU线程上运行,这使得pandas运行慢。当使用默认设置运行pandas代码时,大多数CPU内核都不做任何事情,只有少数在工作(大体上只有9%的CPU在工作)。使代码运行更快的一种方法是同时使用多个CPU核,即多处理。1.polars:一个使用Apache
Arrow列格式内存模型在Rust编程语言中实现的快速数据框架库。2.datatable:与R的data.table库密切相关。3.modin:使用所有可用的CPU核来运行pandas,基本上是pandas的替代品。使用pandas作为基准性能指标,与三个库进行比较。在100万行数据集和1000万行数据集中执行的测试中看到了类似的结果。1.polars库在所有测试中都获胜,但apply函数除外,这里modin更快。2.modin在apply和concat函数中非常快,但在其他函数中非常慢。值得注意的是,在许多测试(merge、filter、groupby等)中,modin比Panda慢。3.Datatable在进行简单的列计算时并不差,而且速度非常快。从对更大数据集的测试中,还可以看到,在大多数测试中,polars的性能始终优于所有其他库。其中一些亮点包括:2.合并两个数据框架时,比pandas快约10倍。虽然没有测试这四个库的每个方面,但所测试的操作在数据分析工作中非常常见。结果表明,用polars替换pandas可能会将Python程序的速度提高至少2-3倍。注:本文学习整理自pythoninoffice.com,供有兴趣的朋友学习参考。
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。