再見熊貓：FireDucks提供125倍的性能

通過FireDucks增壓您的數據工作流程：Python庫125倍比Pandas

快。

您是否厭倦了無休止的等待大熊貓處理大量數據集？ 在快速的數據科學世界中，效率是關鍵。 隨著數據集變得更大和越來越複雜，對更快的處理工具的需求變得至關重要。 由NEC開發的革命性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。 這使其成為數據科學家，分析師和開發人員的寶貴資產。

> 目錄的

>

什麼是fireducks？

• >性能基準
• > figeducks vs. pandas：一種實用的比較
• >步驟1：導入庫
  • >步驟2：生成樣本數據
  • 步驟3：創建FireDucks DataFrame
  • 步驟4：計時熊貓執行
  • 步驟5：定時fireeducks執行
  • >步驟6：性能比較
  fireducks的關鍵優勢
• >有用的資源
• 常見問題
什麼是fireducks？

FireDucks是一個高性能的Python庫，旨在簡化數據分析。 利用NEC在高性能計算方面的廣泛專業知識，Fireducks提供了出色的速度和效率。

燃油速度：

實現的速度比熊貓快125倍。

• >無縫兼容性：使用熟悉的pandas api，最小化代碼更改。
• 智能優化：採用懶惰評估來優化操作並節省資源。
• >性能基準 使用DB基準測試了
> FireDucks的性能，DB基準是一種基準套件，評估了不同尺寸的數據集中的核心數據科學操作（如加入和GroupBys）。 截至2024年9月10日，FireDucks表現出卓越的性能，鞏固了其作為Groupby的最佳表現的地位，並在大型數據集上加入運營。

有關詳細的基準結果，請訪問>官方結果鏈接

。
• 綜合基準詳細信息可在>基準測試詳細信息鏈接。
• > figeducks vs. pandas：一種實用的比較 >讓我們使用現實世界的場景比較Fireducks和Pandas。我們將加載數據，過濾，執行集團操作和匯總，突出顯示Fireducks的速度優勢。

>步驟1：導入庫

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

>步驟2：生成樣本數據

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

這將創建一個帶有1000萬行的pandas dataframe（df_pandas），其中包含隨機整數（列'a'）和浮點數（列'b'）。

>

步驟3：創建FireDucks DataFrame

df_fireducks = fpd.DataFrame(df_pandas)

PANDAS DATAFRAME將轉換為FireDucks DataFrame（df_fireducks）。

步驟4：計時熊貓執行

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的時間。

步驟5：定時fireeducks執行

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上執行相同的組件操作並測量其執行時間。

>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.")

這可以計算並打印熊貓上的射擊的速度提高。 >

fireducks的關鍵優勢

• 廣泛的平台支持：在Linux，Windows（通過WSL）和MacOS。
輕鬆的過渡：
• 熟悉的pandas api確保了平穩的學習曲線。
>自動化效率：
• 懶惰評估和自動優化手柄幕後的性能。
>有用的資源

官方文檔：
• FireDucks docs > > github存儲庫：
• > NYC演示筆記本： nyc演示筆記本鏈接
• > twitter/x： @fireducksdev
• 結論 > FireDucks在數據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，懶惰評估和自動優化的兼容性使其成為與大型數據集一起工作的數據專業人員的強大工具。
常見問題

Q1。 Fireducks與Pandas兼容嗎？

Q2。可以在Windows上使用FireDucks嗎？

Q3。 FireDucks與Polars或Dask相比如何？

A. FireDucks由於其懶惰的評估和自動優化而在性能和易用性方面表現出色。 >

Q4。 Fireducks是免費的嗎？付費計劃提供擴展的功能。

記住將替換為實際鏈接。

>

以上是再見熊貓：FireDucks提供125倍的性能的詳細內容。更多資訊請關注PHP中文網其他相關文章！