您好,登錄后才能下訂單哦!
這期內(nèi)容當(dāng)中小編將會給大家?guī)碛嘘P(guān)Polars庫如何在python中使用,文章內(nèi)容豐富且以專業(yè)的角度為大家分析和敘述,閱讀完這篇文章希望大家可以有所收獲。
Python是一種編程語言,內(nèi)置了許多有效的工具,Python幾乎無所不能,該語言通俗易懂、容易入門、功能強(qiáng)大,在許多領(lǐng)域中都有廣泛的應(yīng)用,例如最熱門的大數(shù)據(jù)分析,人工智能,Web開發(fā)等。
Polars是通過Rust編寫的一個庫,Polars的內(nèi)存模型是基于Apache Arrow。
Polars存在兩種API,一種是Eager API,另一種則是Lazy API。
其中Eager API和Pandas的使用類似,語法差不太多,立即執(zhí)行就能產(chǎn)生結(jié)果。
而Lazy API就像Spark,首先將查詢轉(zhuǎn)換為邏輯計劃,然后對計劃進(jìn)行重組優(yōu)化,以減少執(zhí)行時間和內(nèi)存使用。
安裝Polars,使用百度pip源。
# 安裝polars pip install polars -i https://mirror.baidu.com/pypi/simple/
安裝成功后,開始測試,比較Pandas和Polars處理數(shù)據(jù)的情況。
使用某網(wǎng)站注冊用戶的用戶名數(shù)據(jù)進(jìn)行分析,包含約2600萬個用戶名的CSV文件。
文件已上傳公眾號,獲取方式見文末。
import pandas as pd df = pd.read_csv('users.csv') print(df)
數(shù)據(jù)情況如下。
此外還使用了一個自己創(chuàng)建的CSV文件,用以數(shù)據(jù)整合測試。
import pandas as pd df = pd.read_csv('fake_user.csv') print(df)
得到結(jié)果如下。
首先比較一下兩個庫的排序算法耗時。
import timeit import pandas as pd start = timeit.default_timer() df = pd.read_csv('users.csv') df.sort_values('n', ascending=False) stop = timeit.default_timer() print('Time: ', stop - start) ------------------------- Time: 27.555776743218303
可以看到使用Pandas對數(shù)據(jù)進(jìn)行排序,花費(fèi)了大約28s。
import timeit import polars as pl start = timeit.default_timer() df = pl.read_csv('users.csv') df.sort(by_column='n', reverse=True) stop = timeit.default_timer() print('Time: ', stop - start) ----------------------- Time: 9.924110282212496
Polars只花費(fèi)了約10s,這意味著Polars比Pandas快了2.7倍。
下面,我們來試試數(shù)據(jù)整合的效果,縱向連接。
import timeit import pandas as pd start = timeit.default_timer() df_users = pd.read_csv('users.csv') df_fake = pd.read_csv('fake_user.csv') df_users.append(df_fake, ignore_index=True) stop = timeit.default_timer() print('Time: ', stop - start) ------------------------ Time: 15.556222308427095
使用Pandas耗時15s。
import timeit import polars as pl start = timeit.default_timer() df_users = pl.read_csv('users.csv') df_fake = pl.read_csv('fake_user.csv') df_users.vstack(df_fake) stop = timeit.default_timer() print('Time: ', stop - start) ----------------------- Time: 3.475433263927698
Polars居然最使用了約3.5s,這里Polars比Pandas快了4.5倍。
通過上面的比較,Polars在處理速度上表現(xiàn)得相當(dāng)不錯。
可以是大家在未來處理數(shù)據(jù)時,另一種選擇~
當(dāng)然,Pandas目前歷時12年,已經(jīng)形成了很成熟的生態(tài),支持很多其它的數(shù)據(jù)分析庫。
Polars則是一個較新的庫,不足的地方還有很多。
如果你的數(shù)據(jù)集對于Pandas來說太大,對于Spark來說太小,那么Polars便是你可以考慮的一個選擇。
上述就是小編為大家分享的Polars庫如何在python中使用了,如果剛好有類似的疑惑,不妨參照上述分析進(jìn)行理解。如果想知道更多相關(guān)知識,歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。