همیشه کوچک شروع می شود.
یک پرونده CSV در اینجا ، برخی از JSons در آنجا. شما کد پایتون خوب را با استفاده از پاندا می نویسید ، شاید برخی از numpy ، و همه چیز مطابق انتظار اجرا می شود. سریع ساده زیبا
اما پس از آن … پرونده ها رشد می کنند. نمایش داده ها کند می شوند. خطای مخوف “خارج از حافظه” را دریافت می کنید. ناگهان ، شما در حال سؤال هستید که آیا بازی خود را بالا ببرید یا خیر. و برای بسیاری از ما ، این یک کلمه است: جرقه.
اما چه زمانی واقعاً ارزش مهاجرت از پایتون وفادار قدیمی را برای جرقه دارد؟ چه موقع مقیاس گذاری به حل مشکلات شما کمک می کند – و چه زمانی همه چیز را به سادگی پیچیده تر می کند؟
بیایید این را بفهمیم.
پایتون: اسب کار تک ماشین
برای استفاده سریعتر ، پایتون هیچ رقیب ندارد و به شما امکان می دهد مجموعه داده های کوچک و متوسط را دستکاری کنید. اگر کل مجموعه داده شما به راحتی در حافظه دستگاه شما (RAM) بارگیری شود ، Python + Pandas یا Polars معمولاً سریعترین زمان توسعه و پاکترین کد را ارائه می دهند.
و بیایید صادق باشیم: بسیاری از ما از اینجا شروع می کنیم زیرا این کار آسان است. پایتون را نصب کنید. پاندا را نصب کنید. چند خط بنویسید. انجام شده
چرا با پایتون می چسبید؟
-
سهولت استفاده تنظیم آسان ، مستندات عالی و اکوسیستم بزرگ.
-
کد قابل خواندن بسیاری از گردش کار به طور شهودی از پاندا ، Numpy و فقط ساخته های پایتون پیروی می کنند.
-
سرعت برای مشاغل کوچک. پایتون برای مجموعه داده هایی که …