سریع کردن کار پانداس

منتشر‌شده در towardsdatascience به تاریخ ۲۲ ژوئن ۲۰۲۱
لینک منبع Making Pandas Work Fast

همه ما باید در سفر علوم داده خود با پانداس مواجه شده باشیم. این کتابخانه یکی از پر استفاده ترین کتابخانه‌های پایتون است که به اجرای عملیات مختلف مانند تجزیه داده‌ها، ایجاد تصویرسازی داده‌ها، اجرای عملیات آماری و غیره کمک می‌کند.

اما اگر ما با مجموعه داده‌های بزرگی روبرو باشیم، پانداس می‌تواند کمی کند باشد، بارگیری این داده‌ها و انجام عملیات بر روی آن‌ها زمان می‌برد. بنابراین چگونه می‌توانیم آن را برای مجموعه داده‌های بزرگ سریع‌تر کنیم؟ ما می‌توانیم ازModin استفاده کنیم که یک کتابخانه پایتون منبع باز برای سرعت بخشیدن به کتابخانه پانداس است.

در این روش به بررسی نحوه استفاده از Modin و همچنین مقایسه آن با پانداس می‌پردازیم.

بیایید شروع کنیم …

نصب کتابخانه‌های مورد نیاز

ما با نصب Modin با استفاده از pip شروع می‌کنیم. فرمانی که در زیر داده شده‌است این کار را خواهد کرد.

!pip install modin[dask]

وارد کردن کتابخانه‌های مورد نیاز

در این مرحله، ما کتابخانه‌های مورد نیاز پانداس و Modin را وارد خواهیم کرد، زیرا ما زمان صرف‌شده توسط هر دوی آن‌ها را برای بارگذاری یک مجموعه داده مقایسه خواهیم کرد.

import modin.pandas as mpd
import pandas as pd

مقایسه پانداس با Modin

در این مرحله، ما مجموعه داده‌ها را با استفاده از پانداس و Modin برای مقایسه زمان صرف‌شده توسط هر دوی آن‌ها بارگذاری می‌کنیم. شما می‌توانید از هر مجموعه داده‌ای برای این کار استفاده کنید. من از مجموعه داده معروف دیابت برای این کار استفاده می‌کنم.

%%time
df1 = pd.read_csv("/content/Diabetes.csv")

%%time
df2 = mpd.read_csv("/content/Diabetes.csv")

می‌بینید که چگونه Modin زمان کمتری را در بارگذاری مجموعه داده صرف می‌کند به همین ترتیب باعث صرفه‌جویی در زمان در اجرای تمام عملیات دیگر نیز می‌شود.

این کار را با مجموعه داده‌های مختلف انجام دهید و عملیات پانداس را با استفاده ازModin و صرفه‌جویی در وقت انجام دهید. در صورتی که مشکلی پیدا کردید لطفا در بخش پاسخ به من اطلاع دهید.

این مقاله در هم‌کاری با پیوش اینگل است.

از خواندن متشکرم!

این متن با استفاده از ربات مترجم مقالات دیتاساینس ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.