我看 V2 好像没有人讨论,就是这个 Polars,库的设计方式就是对标 Pandas 的,API 设计基本相同,稍微改改就能迁移。
我电脑上同样的任务只需要 20% 的 Pandas 完成时间,有图有真相:
你们可以自己在自己机器上也跑跑看,这是我的测试代码: https://github.com/reycn/polars-pandas-bench
1
cocomiko 2023-02-17 21:54:22 +08:00
看起来不错
|
2
ila 2023-02-17 21:56:13 +08:00 via Android
一直希望出个纯 go 或 rust 的人脸识别库
|
3
psyer 2023-02-17 22:35:10 +08:00 via Android
R 语言做这个是专业的
|
4
Baboonowen OP @psyer R 我也会,也在磕盐用过,但是好多年没有用过了。
|
5
Baboonowen OP @ila 听起来就不错
|
6
jenlors 2023-02-17 22:55:49 +08:00
好东西
|
7
lambdaq 2023-02-17 23:26:20 +08:00
Rust 有这功夫去把 R 重写了吧。。233
|
8
rocmax 2023-02-17 23:48:47 +08:00 via Android
@ila 我的理解模型使用的时候并不太吃资源吧,跟训练相比。所以应该是用 rust 重写 tensorflow 或者 pytorch ?
|
9
liuxu 2023-02-18 00:46:17 +08:00
正确的 rust 姿势
|
10
qiuyue0 2023-02-18 02:13:23 +08:00 via Android
明天试试
|
11
dw2693734d 2023-02-18 08:35:17 +08:00
Rust 语法劝退了,还是 go 香
|
12
tanjoe 2023-02-18 08:45:16 +08:00 3
@rocmax tensorflow 和 pytorch 的底层是 C++实现的,python 只是作为 binding ,改成 rust 对性能估计没啥提升
|
13
nizoukai 2023-02-18 09:45:13 +08:00 via Android
这种东西,更需要的是准确性吧,速度无所谓的,没有社区深度验证过的不敢用
|
14
shinession 2023-02-18 10:03:50 +08:00
感谢 OP 分享,第一次听说 Polars, pandas 天天用, 回头测试一下看如何
|
15
yuhangch 2023-02-18 10:17:43 +08:00
可以再来个,实现相关功能所需的时间🐶
|
16
mepwang 2023-02-18 11:44:42 +08:00 3
polar 使用了 apache arrow 格式进行内存数据组织,凡是使用这个思路的软件都快
这里 https://h2oai.github.io/db-benchmark/ 有个十多个类似 pandas 软件的详细 benchmark ,可以看看哪几个速度快 |
17
mepwang 2023-02-18 11:55:25 +08:00
类似 pandas 的软件,表格数据在内存中都是按照行来保存,
但很多数据的存取是按列进行的, apache arrow 的基本思路就是按列来组织数据,同一列的数据在内存中相邻存放, 因此在按列存取数据进行运算的时候速度会快很多 |
18
FightPig 2023-02-18 12:22:04 +08:00
晚点试下
|
19
panggmai 2023-02-18 12:32:23 +08:00 1
很早就发现这个库了,当初尝试过,具体问题是在读取大数据(csv 格式约 10G),有时会出现一些错误,尤其是 某列是某些混合类型的,比如中间有 int,str,还有时间的,pandas 会直接识别成 object ,polars 会报错,指定类型时候没有找到怎么去写的
|
20
NoOneNoBody 2023-02-18 12:56:32 +08:00
|
21
justou 2023-02-18 13:31:16 +08:00
@mepwang 让我想起了我的入门语言 Fortran ,数组在内存中列连续。出了学校再也没用过了,现在语言内置的并行计算功能越来越完善了
https://coarrays.sourceforge.io/doc.html https://github.com/tkoenig1/coarray-tutorial/blob/main/tutorial.md |
22
MonTubasa 2023-02-18 13:49:54 +08:00 1
我现在公司项目就在用,还挺好用的,就是有问题经常搜不到答案,需要自己读源码。
|
23
NoOneNoBody 2023-02-18 15:47:58 +08:00
粗看了一下文档,似乎学习成本不低,方法虽然接近,但不少参数区别较大,熟悉了 pandas 的人脑子转弯不容易,不熟悉 pandas 的从 0 开始反而可能好一些
文档前面几页就没找到和 pandas 直接互换的方法,只有新建或者文档读取 |
24
sadhen 2023-02-18 22:35:29 +08:00
这个项目很赞的。
|
25
ohayoo 2023-02-20 09:06:40 +08:00
@panggmai 大佬,pandas 读大文件,为了内存友好,可以设置 chunksize 来分块读取,再 for 循环;请问下 polars 读大文件是怎么分块读取的? n_rows 参数吗? n_rows 参数我试过,列数一多就容易出问题,得自己写循环来弄,感觉不是特别理想的方式
|
28
NoAnyLove 2023-03-14 09:42:44 +08:00 1
看起来 pandas 2.0 也要用 arrow 格式,https://datapythonista.me/blog/pandas-20-and-the-arrow-revolution-part-i
|