cuDF：加快數據處理流程的DataFrame庫

雷鋒網 AI 科技評論按，數據處理是數據工程師經常要面對的問題，今天要推薦的是一個和數據處理相關的 DataFrame 庫——cuDF。

cuDF 是一個基于 Apache Arrow 列內存格式的數據幀庫，它是一個 GPU DataFrame 庫，可以進行加載，連接，聚合，過濾等數據操作。

cuDF 提供了類似 pandas 的 API，數據工程師和數據科學家都很熟悉它們，他們可以使用它輕松地加快工作流程，而無需深入了解 CUDA 編程的細節。

例如，以下代碼段下載 CSV，然后使用 GPU 將其解析為行和列并運行計算：

import cudf, io, requests

from io import StringIO

url="https://github.com/plotly/datasets/raw/master/tips.csv"

content = requests.get(url).content.decode('utf-8')

tips_df = cudf.read_csv(StringIO(content))
tips_df['tip_percentage'] = tips_df['tip']/tips_df['total_bill']*100

# display average tip by dining party size

print(tips_df.groupby('size').tip_percentage.mean())

得到的輸出為：

size

1    21.729201548727808

2    16.571919173482897

3    15.215685473711837

4    14.594900639351332

5    14.149548965142023

6    15.622920072028379

Name: tip_percentage, dtype: float64

想查看更多示例，可以瀏覽的完整 API 文檔，或查看更詳細的說明。

那么如何安裝這個工具？請參閱 Demo Docker Repository，根據正在運行的 NVIDIA CUDA 版本選擇一個標簽。

安裝

conda

cuDF 可以通過渠道安裝 conda（miniconda，或完整的 Anaconda 發行版） rapidsai：

# for CUDA 9.2

conda install -c nvidia -c rapidsai -c numba -c conda-forge -c defaults \
   cudf=0.6 python=3.6 cudatoolkit=9.2

# or, for CUDA 10.0

conda install -c nvidia -c rapidsai -c numba -c conda-forge -c defaults \
   cudf=0.6 python=3.6 cudatoolkit=10.0

我們還提供從我們最新開發分支的尖端構建的夜間 conda 包。

Pip

cuDF 也可以用 PyPi 安裝。

# for CUDA 9.2

python3.6 -m pip install cudf-cuda92==0.6

# or, for CUDA 10.0

python3.6 -m pip install cudf-cuda100==0.6

注意：只有 Linux 系統支持 cuDF，并且 Python 的版本必須是 3.6 或 3.7 版本。

via : https://github.com/rapidsai/cudf

雷鋒網雷鋒網

雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。