再见熊猫：FireDucks提供125倍的性能

通过FireDucks增压您的数据工作流程：Python库125倍比Pandas

快。

您是否厌倦了无休止的等待大熊猫处理大量数据集？ 在快速的数据科学世界中，效率是关键。 随着数据集变得更大和越来越复杂，对更快的处理工具的需求变得至关重要。 由NEC开发的革命性Python图书馆FireDucks提供了一种解决方案，其速度的速度比Pandas快125倍。 这使其成为数据科学家，分析师和开发人员的宝贵资产。

> 目录的

>

什么是fireducks？

• >性能基准
• > figeducks vs. pandas：一种实用的比较
• >步骤1：导入库
  • >步骤2：生成样本数据
  • 步骤3：创建FireDucks DataFrame
  • 步骤4：计时熊猫执行
  • 步骤5：定时fireeducks执行
  • >步骤6：性能比较
  fireducks的关键优势
• >有用的资源
• 常见问题
什么是fireducks？

FireDucks是一个高性能的Python库，旨在简化数据分析。 利用NEC在高性能计算方面的广泛专业知识，Fireducks提供了出色的速度和效率。

燃油速度：

实现的速度比熊猫快125倍。

• >无缝兼容性：使用熟悉的pandas api，最小化代码更改。
• 智能优化：采用懒惰评估来优化操作并节省资源。
• >性能基准 使用DB基准测试了
> FireDucks的性能，DB基准是一种基准套件，评估了不同尺寸的数据集中的核心数据科学操作（如加入和GroupBys）。 截至2024年9月10日，FireDucks表现出卓越的性能，巩固了其作为Groupby的最佳表现的地位，并在大型数据集上加入运营。

有关详细的基准结果，请访问>官方结果链接

。
• 综合基准详细信息可在>基准测试详细信息链接。
• > figeducks vs. pandas：一种实用的比较 >让我们使用现实世界的场景比较Fireducks和Pandas。我们将加载数据，过滤，执行集团操作和汇总，突出显示Fireducks的速度优势。

>步骤1：导入库

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

>步骤2：生成样本数据

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

这将创建一个带有1000万行的pandas dataframe（df_pandas），其中包含随机整数（列'a'）和浮点数（列'b'）。

>

步骤3：创建FireDucks DataFrame

df_fireducks = fpd.DataFrame(df_pandas)

PANDAS DATAFRAME将转换为FireDucks DataFrame（df_fireducks）。

步骤4：计时熊猫执行

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")

这衡量了pandas dataframe上的集体操作所花费的时间。

步骤5：定时fireeducks执行

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")

这将在FireDucks DataFrame上执行相同的组件操作并测量其执行时间。

>步骤6：性能比较

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

这可以计算并打印熊猫上的射击的速度提高。>

fireducks的关键优势

• 广泛的平台支持：在Linux，Windows（通过WSL）和MacOS。
轻松的过渡：
• 熟悉的pandas api确保了平稳的学习曲线。
>自动化效率：
• 懒惰评估和自动优化手柄幕后的性能。
>有用的资源

官方文档：
• FireDucks docs > > github存储库：
• > NYC演示笔记本： nyc演示笔记本链接
• > twitter/x： @fireducksdev
• 结论 > FireDucks在数据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。它与大熊猫API，懒惰评估和自动优化的兼容性使其成为与大型数据集一起工作的数据专业人员的强大工具。
常见问题

Q1。 Fireducks与Pandas兼容吗？

Q2。可以在Windows上使用FireDucks吗？

Q3。 FireDucks与Polars或Dask相比如何？

A. FireDucks由于其懒惰的评估和自动优化而在性能和易用性方面表现出色。>

Q4。 Fireducks是免费的吗？付费计划提供扩展的功能。

记住将替换为实际链接。

>

以上是再见熊猫：FireDucks提供125倍的性能的详细内容。更多信息请关注PHP中文网其他相关文章！