利用PyPolars，让Pandas快三倍
发布时间：2021-11-06 10:17:44 所属栏目：语言 来源：互联网
导读：Pandas是数据科学家处理数据的最重要的Python软件包之一。Pandas库主要用于数据探索和可视化，它随带大量的内置函数。Pandas无法处理大型数据集，因为它无法在CPU的所有核心上扩展或分布进程。 为了加快计算速度，您可以使用CPU的所有核心，并加快工作流程。
|
Pandas是数据科学家处理数据的最重要的Python软件包之一。Pandas库主要用于数据探索和可视化，它随带大量的内置函数。Pandas无法处理大型数据集，因为它无法在CPU的所有核心上扩展或分布进程。 为了加快计算速度，您可以使用CPU的所有核心，并加快工作流程。有各种开源库，包括Dask、Vaex、Modin、Pandarallel和PyPolars等，它们可以在CPU的多个核心上并行处理计算。我们在本文中将讨论PyPolars库的实现和用法，并将其性能与Pandas库进行比较。 PyPolars是什么? PyPolars是一个类似Pandas的开源Python数据框库。PyPolars利用CPU的所有可用核心，因此处理计算比Pandas更快。PyPolars有一个类似Pandas的API。它是用Rust和Python包装器编写的。 理想情况下，当数据对于Pandas而言太大、对于Spark而言太小时，使用 PyPolars。 PyPolars如何工作? PyPolars库有两个API，一个是Eager API，另一个是Lazy API。Eager API与Pandas的API非常相似，执行完成后立即获得结果，这类似Pandas。Lazy API与Spark非常相似，一执行查询，就形成地图或方案。然后在CPU的所有核心上并行执行。 图1. PyPolars API PyPolars基本上是连接到Polars库的Python绑定。PyPolars库好用的地方是，其API与Pandas相似，这使开发人员更容易使用。 安装： 可以使用以下命令从PyPl安装 PyPolars： pip install py-polars 并使用以下命令导入库： iport pypolars as pl 基准时间约束： 为了演示，我使用了一个含有2500万个实例的大型数据集(~6.4Gb)。 图2. Pandas和Py-Polars基本操作的基准时间数 针对使用Pandas和PyPolars库的一些基本操作的上述基准时间数，我们可以观察到 PyPolars几乎比Pandas快2到3倍。 现在我们知道PyPolars有一个与Pandas非常相似的API，但仍没有涵盖Pandas的所有函数。比如说，PyPolars中就没有.describe()函数，相反我们可以使用df_pypolars.to_pandas().describe()。 用法： import pandas as pd import numpy as np import pypolars as pl import time WARNING! py-polars was renamed to polars, please install polars! https://pypi.org/project/polars/ path = "data.csv" 读取数据： s = time.time() df_pandas = pd.read_csv(path) e = time.time() pd_time = e - s print("Pandas Loading Time = {}".format(pd_time)) C:ProgramDataAnaconda3libsite-packagesIPythoncoreinteractiveshell.py:3071: DtypeWarning: Columns (2,7,14) have mixed types.Specify dtype option on import or set low_memory=False. has_raised = await self.run_ast_nodes(code_ast.body, cell_name, Pandas Loading Time = 217.1734380722046 s = time.time() df_pypolars = pl.read_csv(path) e = time.time() pl_time = e - s print("PyPolars Loading Time = {}".format(pl_time)) PyPolars Loading Time = 114.0408570766449 shape： s = time.time() print(df_pandas.shape) e = time.time() pd_time = e - s print("Pandas Shape Time = {}".format(pd_time)) (25366521, 19) Pandas Shape Time = 0.0 s = time.time() print(df_pypolars.shape) e = time.time() pl_time = e - s print("PyPolars Shape Time = {}".format(pl_time)) (25366521, 19) PyPolars Shape Time = 0.0010192394256591797 过滤： s = time.time() temp = df_pandas[df_pandas['PAID_AMT']>500] e = time.time() pd_time = e - s print("Pandas Filter Time = {}".format(pd_time)) Pandas Filter Time = 0.8010377883911133 s = time.time() temp = df_pypolars[df_pypolars['PAID_AMT']>500] e = time.time() pl_time = e - s print("PyPolars Filter Time = {}".format(pl_time)) PyPolars Filter Time = 0.7790462970733643 Groupby： s = time.time() temp = df_pandas.groupby(by="MARKET_SEGMENT").agg({'PAID_AMT':np.sum, 'QTY_DISPENSED':np.mean}) e = time.time() pd_time = e - s print("Pandas GroupBy Time = {}".format(pd_time)) Pandas GroupBy Time = 3.5932095050811768 s = time.time() temp = df_pypolars.groupby(by="MARKET_SEGMENT").agg({'PAID_AMT':np.sum, 'QTY_DISPENSED':np.mean}) e = time.time() pd_time = e - s print("PyPolars GroupBy Time = {}".format(pd_time)) PyPolars GroupBy Time = 1.2332513110957213 运用函数： %%time s = time.time() temp = df_pandas['PAID_AMT'].apply(round) e = time.time() pd_time = e - s print("Pandas Loading Time = {}".format(pd_time)) Pandas Loading Time = 13.081078290939331 Wall time: 13.1 s s = time.time() temp = df_pypolars['PAID_AMT'].apply(round) e = time.time() pd_time = e - s print("PyPolars Loading Time = {}".format(pd_time)) PyPolars Loading Time = 6.03610580444336 值计算： %%time s = time.time() temp = df_pandas['MARKET_SEGMENT'].value_counts() e = time.time() pd_time = e - s print("Pandas ValueCounts Time = {}".format(pd_time)) Pandas ValueCounts Time = 2.8194501399993896 Wall time: 2.82 s %%time s = time.time() temp = df_pypolars['MARKET_SEGMENT'].value_counts() e = time.time() pd_time = e - s print("PyPolars ValueCounts Time = {}".format(pd_time)) PyPolars ValueCounts Time = 1.7622406482696533 Wall time: 1.76 s （编辑：晋中站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
