发现一个用 Rust 重写的 Pandas 的替代品，支持 Python

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 624 天前的主题，其中的信息可能已经有所发展或是发生改变。

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

pandas

替代品

跑跑

img

28 条回复 • 2023-03-14 09:42:44 +08:00

cocomiko

2023-02-17 21:54:22 +08:00

看起来不错

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

psyer

2023-02-17 22:35:10 +08:00 via Android

R 语言做这个是专业的

Baboonowen

2023-02-17 22:38:17 +08:00

@psyer R 我也会，也在磕盐用过，但是好多年没有用过了。

Baboonowen

2023-02-17 22:38:34 +08:00

@ila 听起来就不错

jenlors

2023-02-17 22:55:49 +08:00

好东西

lambdaq

2023-02-17 23:26:20 +08:00

Rust 有这功夫去把 R 重写了吧。。233

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 ？

liuxu

2023-02-18 00:46:17 +08:00

正确的 rust 姿势

qiuyue0

2023-02-18 02:13:23 +08:00 via Android

明天试试

dw2693734d

2023-02-18 08:35:17 +08:00

Rust 语法劝退了，还是 go 香

tanjoe

2023-02-18 08:45:16 +08:00

@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

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

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

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🐶

mepwang

2023-02-18 11:44:42 +08:00

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

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

FightPig

2023-02-18 12:22:04 +08:00

晚点试下

panggmai

2023-02-18 12:32:23 +08:00

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

NoOneNoBody

2023-02-18 12:56:32 +08:00

@nizoukai #13
看谁用吧，速度也很重要的，开始到收市只有只有四小时，自动操盘的计算时间极短

@panggmai #19
混合类型其实不止这个库，很多并发的库也处理不好
例如 np.nan 是浮点型，但很多时候其他类型需要表示“无”也会用到，批量计算尤其涉及相互比较的移动计算 /groupby 等就很麻烦