در هنگام کار با پروژه های واقعی، فراخوانی داده ها بسیار حائز اهیمت است. در پست های قبلی مفصل در خصوص کتابخانه پانداس و کتابخانه های مشابه صحبت کرده بودم. ماژول های متداول برای کار با داده ها و کاربرد اصلی آنها به شرح زیر است:
ماژول pandas: پایه و استاندارد اکثر تحلیل‌های داده کوچک و متوسط.
ماژول NumPy: پایهٔ محاسبات عددی و الگوریتم‌های علمی.
ماژول Polars / Vaex: جایگزین سریع pandas برای داده‌های بزرگ.
ماژول Dask / Modin: برای داده‌های بزرگ و پردازش موازی یا توزیع‌شده.
ماژول DuckDB: کوئری های SQL تحلیلی و query روی فایل‌های بزرگ (Parquet, CSV).
ماژول SQLite: ذخیره‌سازی محلی و کارهای transactional کوچک.
ماژول PyArrow: تعامل ستون‌محور بین DataFrameها و فایل‌های Parquet.
ماژول OpenPyXL / xlrd / xlwt: تعامل با Excel و داده‌های جدولی سنتی.
در جدول این پست مقایسه 10 تا از اصلی ترین کتابخانه های پایتون برای کار با داده ها و ویژگی های کلیدی هر کدام بررسی شده است.
#pandas
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance