什么是Python中的Dask,它如何帮助你进行数据分析?

栏目: IT技术 · 发布时间: 4年前

内容简介:Python由于其易用性而成为最流行的语言,它提供了许多库,使程序员能够开发更强大的软件,以并行运行模型和数据转换。有这么一个库,它提供了并行计算、加速了算法,甚至允许您将NumPy和pandas与XGBoost库集成在一起。让我们认识一下吧。

前言

Python由于其易用性而成为最流行的语言,它提供了许多库,使 程序员 能够开发更强大的软件,以并行运行模型和数据转换。

有这么一个库,它提供了并行计算、加速了算法,甚至允许您将NumPy和pandas与XGBoost库集成在一起。让我们认识一下吧。

什么是 <a href='https://www.codercto.com/topics/20097.html'>Python</a> 中的Dask,它如何帮助你进行数据分析?

什么是Dask

Dask是一个开源项目,它允许开发者与scikit-learn、pandas和NumPy合作开发他们的软件。它是一个非常通用的工具,可以处理各种工作负载。

这个 工具 包括两个重要的部分;动态任务调度和大数据收集。前面的部分与Luigi、芹菜和气流非常相似,但它是专门为交互式计算工作负载优化的。

后一部分包括数据帧、并行数组和扩展到流行接口(如pandas和NumPy)的列表。

事实上,Dask的创建者Matthew Rocklin先生确认Dask最初是为了并行化Pandas和NumPy而创建的,尽管它现在提供了比一般的并行系统更多的好处。

Dask的数据帧非常适合用于缩放pandas工作流和启用时间序列的应用程序。此外,Dask阵列还为生物医学应用和机器学习算法提供多维数据分析。

可扩展性

Dask如此受欢迎的原因是它使Python中的分析具有可扩展性。

这个工具的神奇之处在于它只需要最少的代码更改。该工具在具有1000多个核的弹性集群上运行!此外,您可以在处理数据的同时并行运行此代码,这将简化为更少的执行时间和等待时间!

什么是Python中的Dask,它如何帮助你进行数据分析?

该工具完全能够将复杂的计算计算调度、构建甚至优化为图形。这就是为什么运行在10tb上的公司可以选择这个工具作为首选的原因。

Dask还允许您为数据数组构建管道,稍后可以将其传输到相关的计算资源。总之,这个工具不仅仅是一个并行版本的pandas。

如何工作

现在我们已经理解了Dask的基本概念,让我们看一个示例代码来进一步理解:

import dask.array as da 
 
f = h5py.File('myfile.hdf5') 
 
x = da.from_array(f['/big-data'], 
 
                  chunks=(1000, 1000)) 

对于那些熟悉数据帧和数组的人来说,这几乎就是你放置数据的地方。

在本例中,您已经将数据放入了Dask版本中,您可以利用Dask提供的分发特性来运行与使用pandas类似的功能。

为何如此流行

作为一个由PyData生成的现代框架,Dask由于其并行处理能力而备受关注。

在处理大量数据——尤其是比RAM大的数据块——以便获得有用的见解时,这是非常棒的。公司受益于Dask提供的强大分析,因为它在单机上进行高效的并行计算。

这就是为什么Gitential、Oxlabs、DataSwot和Red Hat等跨国公司已经在他们的日常工作系统中使用Dask的主要原因。总的来说,Dask之所以超级受欢迎是因为:

  • 集成:Dask提供了与许多流行工具的集成,其中包括PySpark、pandas、OpenRefine和NumPy。
  • 动态任务调度:它提供了动态任务调度并支持许多工作负载。
  • 熟悉的API:这个工具不仅允许开发人员通过最小的代码重写来扩展工作流,而且还可以很好地与这些工具甚至它们的API集成。
  • 向外扩展集群:Dask计算出如何分解大型计算并有效地将它们路由到分布式硬件上。
  • 安全性:Dask支持加密,通过使用TLS/SSL认证进行身份验证。

优缺点

让我们权衡一下这方面的利弊。

使用Dask的优点:

  • 它使用pandas提供并行计算。
  • Dask提供了与pandas API类似的语法,所以它不那么难熟悉。

使用Dask的缺点:

  • 在Dask的情况下,与Spark不同,如果您希望在创建集群之前尝试该工具,您将无法找到独立模式。
  • 它在Scala和R相比可扩展性不强。

【责任编辑:赵宁宁 TEL:(010)68476606】


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

.NET框架程序设计

.NET框架程序设计

(美)Jeffrey Richter、(美)Francesco Balena / 李建忠 / 华中科技大学出版社 / 2004-1 / 54.00元

Microsoft.NET框架为简化开发与卫联网无缝连接的应用程序和组件提供了强大的技术支持,如ASP.NET Web窗体、XML Web服务以及Windows窗体。本书的目的在于展示.NET框架中公共语言运行库存的核心内容。全书由两位广受尊敬的开发者/作者完成,并假设读者理解面向对象程序设计的基本概念,如数据抽象、继承和多态。书中内容清楚地解释了CLR的扩展类型系统,CLR如何管理类型的行为,以......一起来看看 《.NET框架程序设计》 这本书的介绍吧!

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具

HSV CMYK 转换工具
HSV CMYK 转换工具

HSV CMYK互换工具