آموزش پانداهای سریعتر

سرفصل ها و درس ها

مقدمه Introduction

• پانداها و عملکرد pandas and performance

• آنچه شما باید بدانید What you should know

• کار با پرونده ها در GitHub Working with the files on GitHub

1. بررسی اجمالی 1. Overview

• چرا عملکرد مهم است Why performance matters

• تعیین اهداف Setting goals

• اندازه گیری کارایی Measuring performance

• نمایه سازی Profiling

• چالش: گلوگاه را شناسایی کنید Challenge: Identify bottleneck

• راه حل: گلوگاه را شناسایی کنید Solution: Identify bottleneck

2. مجسم سازی 2. Vectorization

• بردار سازی چیست؟ What is vectorization?

• نمایه سازی بولی Boolean indexing

• درک ufunc ها Understanding ufuncs

• چالش: انتخاب و دستکاری داده ها Challenge: Selecting and manipulating data

• راه حل: انتخاب و دستکاری داده ها Solution: Selecting and manipulating data

3. اشتباهات رایج 3. Common Mistakes

• محدودیت های پیوست The limitations of appending

• محدودیت های نوع dject The limitations of object dtype

• محدودیت های تکرار ردیف The limitations of row iteration

• درک عملکرد isin Understanding the isin function

• زمان تجزیه یک بار Parsing time once

• چالش: جستجوی DataFrame Challenge: Query a DataFrame

• راه حل: جستجوی DataFrame Solution: Query a DataFrame

4. عملکرد پانداها 4. pandas Performance

• استفاده از توابع داخلی Using built-in functions

• درک دلیل و س quال Understanding eval and query

• درک عملکرد join Understanding the join function

• چالش: پیوستن و پرس و جو Challenge: Join and query

• راه حل: پیوستن و پرس و جو Solution: Join and query

5. ذخیره حافظه 5. Saving Memory

• چرا حافظه مهم است؟ Why memory is important?

• اندازه گیری حافظه Measuring memory

• در حال بارگیری بخشهایی از داده ها Loading parts of data

• داده های دسته بندی شده Categorical data

• چالش: کاهش حافظه Challenge: Reducing memory

• راه حل: کاهش حافظه Solution: Reducing memory

6. سریال سازی سریع 6. Fast Serialization

• قالب های مختلف و چرا CSV نیست Various formats and why not CSV

• بهینه سازی با SQL Optimizing with SQL

• بهینه سازی با HDF5 Optimizing with HDF5

• چالش: مدت دوچرخه سواری Challenge: Bike ride duration

• راه حل: مدت دوچرخه سواری Solution: Bike ride duration

7. Numba و Cython 7. Numba and Cython

• Numba چیست؟ What is Numba?

• با استفاده از Numba Using Numba

• سیتون چیست؟ What's Cython?

• نوشتن کد سیتون Writing Cython code

• تدوین سیتون Compiling Cython

• جادوی سیتون ٪٪ %%cython magic

• چالش: سرعت سیتون Challenge: Cython speedup

• راه حل: سرعت سیتون Solution: Cython speedup

8. فریم های داده جایگزین 8. Alternative DataFrames

• مروری بر DataFrames جایگزین Overview of alternative DataFrames

• با استفاده از Dask Using Dask

• با استفاده از Vaex Using Vaex

• چالش: Vaex در مقابل پانداها Challenge: Vaex vs. pandas

• راه حل: Vaex در مقابل پانداها Solution: Vaex vs. pandas

نتیجه Conclusion

• مراحل بعدی Next steps