Python,Numpy,Pandas…数据科学家必备排序能力

对付上面的每个Python库，我们对wall time举办了说明，以便在单列，单数组或单列表中对沟通的1,000,000个数据点举办排序。同时行使了配有T4 GPU的Google Colab Jupyter条记本。

数据来历: https://colab.research.google.com/drive/1NNarscUZHUnQ5v-FjbfJmB5D3kyyq9Av

调查

• 对付Numpy和Pandas，inplace比复制数据更快。这并不稀疏。
• Pandas默认快速排序相等快。
• 大大都Pandas成果相对较慢。
• TensorFlow操纵相等快。
• Python inplace排序慢得出奇。比Numpy inplace mergesort和TensorFlow慢了10倍。曾多次对其举办测试(行使差异的数据)来确认这不是一个非常征象。

重申，这只是一个小测试。绝对不是抉择性的。

Wrap

凡是不必要自界说排序。选择许多。一样平常不会回收单一的排序要领。相反，起首对数据举办评估，然后用结果更好的排序算法。假如排序盼望不快，执行操纵时也会自行改变算法。

在本文中，你已经相识了如安在Python数据科学堆和SQL中的每个板块里举办排序。

只必要记着选择哪个选项以及怎样挪用它们。可用上面的备忘表，节减时刻。大抵提议如下：

• 行使默认的Pandas sort_values()来试探相对较小的数据集。
• 数据集较大或运行速率较高时，实行Numpy的当场归并，PyTorch或TensorFlow并行GPU方法或SQL。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!