如何解决pyarrow 和熊猫集成
我打算:
- 加入
- 分组依据
- 过滤器
使用 pyarrow 的数据(新的)。与 Pandas 相比,我们的想法是获得更好的性能和内存利用率(apache 箭头压缩)。
似乎 pyarrow 不支持通过键连接两个表/数据集,所以我不得不回退到熊猫。
我并不真正了解 pyarrow pandas 集成的工作原理。大熊猫真的会使用 apache 箭头数据结构吗?我可以只使用这些类型。
- 字符串
- 长
- 十进制
我有一种感觉,pandas 会从 apache 箭头和双倍大小(根据文档)复制所有数据
解决方法
pyarrow
本身并不向最终用户提供这些功能,而是作为一个可供 DataFrame 库开发人员使用的库作为基础。因此,我们的目的并不是让您作为 DataFrame 用户有一天转而直接使用 pyarrow
,而是像 pandas
这样的库使用 Arrow 作为后端。
pandas
1.2 中引入的新 ArrowStringType(尚未真正起作用)或 fletcher
库提供了使用 pyarrow
作为选择的后端的可能性,这已经发生了您的 pandas.DataFrame
列到 pandas
的 ExtensionArray
界面。
免责声明:我是 fletcher
的主要作者。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。