TGViewer
کارگروه علم داده کارگروه علم داده @dsfum · 429 subscribers
Post #671 279

Forwarded from Python4Finance

یک کتابخانه بسیار سریع برای کار با داده ها-Polars
در پایتون برای مشاهده و دستکاری داده ها عموما از Pandas استفاده می کنیم. پانداس کتابخانه بسیار خوب و جامعی است اما وقتی تعداد داده ها بزرگ می شود کارایی پانداس رفته رفته کم می شود و سرعت پردازش هم پایین می آید. البته دلیل آن مشخص است. پانداس برای کار با Multithreading ساخته نشده است و در هر لحظه یک thread را پردازش می کند.
برای حل این موضوع از Polars استفاده می کنیم. Polars بر سرعت و کارایی تمرکز دارد. هنگام کار با میلیون‌ها ردیف، پانداس دچار مشکل می شود اما با Polars به راحتی اجرا می‌شوند.
یک ویژگی جالب دیگر Polars توانایی پردازش داده های با حجم بالاتر از RAM سیستم است.
کار با polars بسیار ساده است و توابع آن شبیه پانداس نوشته است.
اگر به این ماژول علاقه مند شدید سری به این آدرس بزنید.
در تصویر این پست، مقایسه چند ماژول متداول کار با داده ها برای کار با یک دیتافریم بزرگ نشان داده شده است.
#polars
#pandas
#dataframe


پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
More from @dsfum
  1. Oct 9, 2026🔶#استخدام متخصص هوش مصنوعی در الکترواستیل 🌐لینک آگهی 🆔@dsfum
  2. Oct 4, 2026‏🤖 حل شش مسئله باز ریاضی توسط هوش مصنوعی Muse Spark ‏متا با انتشار شش مقاله پژوهش…
  3. Sep 22, 2026می‌دونید تفاوت Jev با LLM‌های عادی چیه؟ تفاوت اصلی اینه که Jev اصلاً برای تولید متن ساخته…
  4. Sep 22, 2026روز پیش یه مدل جدید معرفی شد به اسم Jev برخلاف LLM های معمولی که برای گفتگو و تولید متن سا…
  5. Sep 15, 2026🔶#استخدام تحلیلگر داده در کالاصنعتی(فعال در زمینه پمپ و موتور و ابزارآلات صنعتی) 🌐لینک آ…
  6. Sep 13, 2026🧠 مشکل Black Box در هوش مصنوعی چیست؟ مدل‌های هوش مصنوعی می‌توانند پیش‌بینی‌های بسیار دقیق…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →