通過FireDucks增壓您的數(shù)據(jù)工作流程：Python庫125倍比Pandas

快。

您是否厭倦了無休止的等待大熊貓?zhí)幚泶罅繑?shù)據(jù)集？ 在快速的數(shù)據(jù)科學(xué)世界中，效率是關(guān)鍵。 隨著數(shù)據(jù)集變得更大和越來越復(fù)雜，對(duì)更快的處理工具的需求變得至關(guān)重要。 由NEC開發(fā)的革命性Python圖書館FireDucks提供了一種解決方案，其速度的速度比Pandas快125倍。 這使其成為數(shù)據(jù)科學(xué)家，分析師和開發(fā)人員的寶貴資產(chǎn)。

> 目錄的

>

什么是fireducks？

• >性能基準(zhǔn)
• > figeducks vs. pandas：一種實(shí)用的比較
• >步驟1：導(dǎo)入庫
  • >步驟2：生成樣本數(shù)據(jù)
  • 步驟3：創(chuàng)建FireDucks DataFrame
  • 步驟4：計(jì)時(shí)熊貓執(zhí)行
  • 步驟5：定時(shí)fireeducks執(zhí)行
  • >步驟6：性能比較
  fireducks的關(guān)鍵優(yōu)勢
• >有用的資源
• 常見問題
什么是fireducks？

FireDucks是一個(gè)高性能的Python庫，旨在簡化數(shù)據(jù)分析。 利用NEC在高性能計(jì)算方面的廣泛專業(yè)知識(shí)，F(xiàn)ireducks提供了出色的速度和效率。

燃油速度：

實(shí)現(xiàn)的速度比熊貓快125倍。

• >無縫兼容性：使用熟悉的pandas api，最小化代碼更改。
• 智能優(yōu)化：采用懶惰評(píng)估來優(yōu)化操作并節(jié)省資源。
• >性能基準(zhǔn) 使用DB基準(zhǔn)測試了
> FireDucks的性能，DB基準(zhǔn)是一種基準(zhǔn)套件，評(píng)估了不同尺寸的數(shù)據(jù)集中的核心數(shù)據(jù)科學(xué)操作（如加入和GroupBys）。 截至2024年9月10日，F(xiàn)ireDucks表現(xiàn)出卓越的性能，鞏固了其作為Groupby的最佳表現(xiàn)的地位，并在大型數(shù)據(jù)集上加入運(yùn)營。

有關(guān)詳細(xì)的基準(zhǔn)結(jié)果，請?jiān)L問>官方結(jié)果鏈接

。
• 綜合基準(zhǔn)詳細(xì)信息可在>基準(zhǔn)測試詳細(xì)信息鏈接。
• > figeducks vs. pandas：一種實(shí)用的比較 >讓我們使用現(xiàn)實(shí)世界的場景比較Fireducks和Pandas。我們將加載數(shù)據(jù)，過濾，執(zhí)行集團(tuán)操作和匯總，突出顯示Fireducks的速度優(yōu)勢。

>步驟1：導(dǎo)入庫

import pandas as pd
import fireducks.pandas as fpd
import numpy as np
import time

>步驟2：生成樣本數(shù)據(jù)

num_rows = 10_000_000
df_pandas = pd.DataFrame({
    'A': np.random.randint(1, 100, num_rows),
    'B': np.random.rand(num_rows),
})

這將創(chuàng)建一個(gè)帶有1000萬行的pandas dataframe（df_pandas），其中包含隨機(jī)整數(shù)（列'a'）和浮點(diǎn)數(shù)（列'b'）。

>

步驟3：創(chuàng)建FireDucks DataFrame

df_fireducks = fpd.DataFrame(df_pandas)

PANDAS DATAFRAME將轉(zhuǎn)換為FireDucks DataFrame（df_fireducks）。

步驟4：計(jì)時(shí)熊貓執(zhí)行

start_time = time.time()
result_pandas = df_pandas.groupby('A')['B'].sum()
pandas_time = time.time() - start_time
print(f"Pandas execution time: {pandas_time:.4f} seconds")

這衡量了pandas dataframe上的集體操作所花費(fèi)的時(shí)間。

步驟5：定時(shí)fireeducks執(zhí)行

start_time = time.time()
result_fireducks = df_fireducks.groupby('A')['B'].sum()
fireducks_time = time.time() - start_time
print(f"FireDucks execution time: {fireducks_time:.4f} seconds")

這將在FireDucks DataFrame上執(zhí)行相同的組件操作并測量其執(zhí)行時(shí)間。

>步驟6：性能比較

speed_up = pandas_time / fireducks_time
print(f"FireDucks is approximately {speed_up:.2f} times faster than pandas.")

這可以計(jì)算并打印熊貓上的射擊的速度提高。>

fireducks的關(guān)鍵優(yōu)勢

• 廣泛的平臺(tái)支持：在Linux，Windows（通過WSL）和MacOS。
輕松的過渡：
• 熟悉的pandas api確保了平穩(wěn)的學(xué)習(xí)曲線。
>自動(dòng)化效率：
• 懶惰評(píng)估和自動(dòng)優(yōu)化手柄幕后的性能。
>有用的資源

官方文檔：
• FireDucks docs > > github存儲(chǔ)庫：
• > NYC演示筆記本： nyc演示筆記本鏈接
• > twitter/x： @fireducksdev
• 結(jié)論 > FireDucks在數(shù)據(jù)分析效率方面提供了巨大的提高，其速度的速度比Pandas快125倍。它與大熊貓API，懶惰評(píng)估和自動(dòng)優(yōu)化的兼容性使其成為與大型數(shù)據(jù)集一起工作的數(shù)據(jù)專業(yè)人員的強(qiáng)大工具。
常見問題

Q1。 Fireducks與Pandas兼容嗎？

Q2?？梢栽赪indows上使用FireDucks嗎？

Q3。 FireDucks與Polars或Dask相比如何？

A. FireDucks由于其懶惰的評(píng)估和自動(dòng)優(yōu)化而在性能和易用性方面表現(xiàn)出色。>

Q4。 Fireducks是免費(fèi)的嗎？付費(fèi)計(jì)劃提供擴(kuò)展的功能。

記住將替換為實(shí)際鏈接。

>

以上是再見熊貓：FireDucks提供125倍的性能的詳細(xì)內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！