; A% p* d- _7 P7 F' G, S/ C 雷锋网 AI 科技评论按,数据处理是数据工程师经常要面对的问题,今天要推荐的是一个和数据处理相关的 DataFrame 库——cuDF。
1 c& M$ K* t, t
cuDF 是一个基于 Apache Arrow 列内存格式的数据帧库,它是一个 GPU DataFrame 库,可以进行加载,连接,聚合,过滤等数据操作。
7 o7 L! X* G6 Y4 x cuDF 提供了类似 pandas 的 API,数据工程师和数据科学家都很熟悉它们,他们可以使用它轻松地加快工作流程,而无需深入了解 CUDA 编程的细节。
0 T0 G2 ?+ r9 }2 y 例如,以下代码段下载 CSV,然后使用 GPU 将其解析为行和列并运行计算:
. j' W8 L* u8 c% M0 d2 K import cudf, io, requests
3 |, B7 v; ~7 F l; J. ^: Y1 q
from io import StringIO
7 B! ?' H4 G7 v" b! D url="https://github.com/plotly/datasets/raw/master/tips.csv"
1 l: o9 o% r. J A$ t% B
: n/ B' X O6 N% [+ o+ d- {7 a. p
content = requests.get(url).content.decode(utf-8)
! X$ R3 w7 E; x" @. Q tips_df = cudf.read_csv(StringIO(content))
tips_df[tip_percentage] = tips_df[tip]/tips_df[total_bill]*100
' s9 Q8 O- d, O$ P7 f; `: t# W' F8 Z' o9 Z8 E
# display average tip by dining party size
2 c: Q3 J$ d) X$ {* r9 C, R
print(tips_df.groupby(size).tip_percentage.mean())
( J$ p" s! K3 J( X8 I' d9 Y! T p2 b, V: [; M
得到的输出为:
6 P5 A) f5 }$ B' P. d6 T
- G* \& Z9 `. @8 g6 T/ n size
) u0 e: J2 b6 [
1 l# T( ?, ?& N, K' q1 i; c$ O
1 21.729201548727808
- D% |. G' q. w3 e
7 s0 |( \5 g" y& k. \0 Z
2 16.571919173482897
( h8 I1 G% Y, ?' h2 z
) k2 N! C% l( t# O+ ?* a 3 15.215685473711837
% I& P5 t- l0 b9 J& _& a
5 a3 u5 l7 [' T( X& u; U, `5 Y 4 14.594900639351332
1 T' b( S; \: r/ C, M1 k, ~' h0 A
& g! A/ Q! T$ |* Z9 W" L 5 14.149548965142023
( f9 e# s N$ e1 D
. _7 u3 H/ Z, W! m" D
6 15.622920072028379
3 @3 t6 E- ~* S6 }
9 C! }$ _ F2 B9 i
Name: tip_percentage, dtype: float64
' N. h6 t4 z5 ^, j+ s9 A7 {' f8 q
e' t+ P' E% ?- J 想查看更多示例,可以浏览的完整 API 文档,或查看更详细的说明。
$ p0 u* Z) Q8 A2 b$ i8 k
那么如何安装这个工具?请参阅 Demo Docker Repository,根据正在运行的 NVIDIA CUDA 版本选择一个标签。
4 m" c! w' |; r S8 U$ U& e
安装
9 P; T2 ~* w; d+ v conda
' t/ j( Z$ \: ~# E! f cuDF 可以通过渠道安装 conda(miniconda,或完整的 Anaconda 发行版) rapidsai:
. a7 ^' C' K1 x8 A* Y2 N9 M4 h5 F; N+ u* `
# for CUDA 9.2
. C; b: X0 O* T$ o2 p/ N/ J/ K
conda install -c nvidia -c rapidsai -c numba -c conda-forge -c defaults \
cudf=0.6 python=3.6 cudatoolkit=9.2
& P6 }- F# S) ?0 b
$ W% } x3 y# ^- F C' i1 s. O2 h # or, for CUDA 10.0
% l x. Q2 |/ S- U conda install -c nvidia -c rapidsai -c numba -c conda-forge -c defaults \
! g" F8 X$ v/ O; \6 ^8 n% K4 f* R cudf=0.6 python=3.6 cudatoolkit=10.0
4 B$ R/ @/ M" D
- j/ n4 Z9 H5 K4 k& B7 ] 我们还提供从我们最新开发分支的尖端构建的夜间 conda 包。
, c! }" `: H1 A* }9 g8 m0 L8 Q Pip
: b4 @- ~" | v. h& g- ~ cuDF 也可以用 PyPi 安装。
. S4 \! E8 h. T9 r/ _% N+ a# Q2 d1 s ]0 H! D; q# G, ?
# for CUDA 9.2
# U7 w2 [2 c3 t) ~$ F, _6 a python3.6 -m pip install cudf-cuda92==0.6
$ Z* g! D d% u: f7 [# j5 P6 o1 o# ^6 g( n' g
# or, for CUDA 10.0
( r/ i) ~, c$ J5 v
python3.6 -m pip install cudf-cuda100==0.6
* _, T; J% ?% {) c! x
/ ?8 l) ^' D" H6 S. E7 P( Y' p 注意:只有 Linux 系统支持 cuDF,并且 Python 的版本必须是 3.6 或 3.7 版本。
4 B% }/ d6 h( E$ T# ~ via : https://github.com/rapidsai/cudf
4 h2 D" k+ v% u& X5 s' i
雷锋网雷锋网
/ q4 w5 B7 k. r0 @+ I. u" w, \/ x$ l) d
7 q3 n* v, t1 H2 |0 v% G' S$ t6 L e- R) {
/ o% V+ Z( r: y6 A8 b) A4 a2 g' J, S J0 A0 Y' O