【Python】去安一个Python大数据分析神器效果如何！
对于Pandas运行速度的提升方法，之前已经介绍过很多回了，里面经常提及Dask，很多朋友没接触过可能不是很了解，今天小编就推荐一下这个神器。
1、Dask是很么？
Pandas和Numpy大家都不陌生了，代码运行后数据都加载到RAM中，如果数据集特别大，我们就会看到内存飙升。但有时要处理的数据并不适合RAM，这时候Dask体现到了。
Dask是开源免费。它是与其他社区项目（如Numpy，Pandas和Scikit-Learn）协调开发。
官方：https://dask.org/
Dask支持Pandas的DataFrame和NumpyArray的数据结构，并且既可在本地计算机上运行，也可以扩展到在集群上运行。
基本上，只要编写一次代码，使用普通的Pythonic语法，就可在本地运行或部署到多节点集群上。这本身就是牛逼的功能了，但这还不是最牛逼。
我觉得Dask的最牛逼的功能是：它兼容大部分我们已经在用的工具，并且只需改动少量的代码，就可以利用自己笔记本电脑上已有的处理能力并行运行代码。而并行处理数据就意味着更少的执行时间，更少的等待时间和更多的分析时间。
下面这个就是Dask进行数据处理的大致流程。
2、Dask支持哪些工具？
这一点也是我比较看中的，因为Dask可以与Python数据处理和建模的库包兼容，沿用库包的API，这对于Python使用者来说学习成本是极低的。而像Hadoop、Spark这种大数据处理是有很高的学习门槛和时间成本。
目前，Dask可支持pandas、Numpy、Sklearn、XGBoost、XArray、RAPIDS等等，光是这几项我觉得就足够用了，至少对于常用的数据处理、建模分析是完全覆盖得掉。
3、安装Dask
可以使用 conda 或者 pip，或从源代码安装dask 。
因为dask有很多依赖，所以为了快速安装也可用下面代码，将安装运行Dask所需的最少依赖关系集。
再有就是通过源来安装。
4、如何使用Dask？
Numpy、pandas
Dask引入了3个并行集合，它们可以存储大于RAM的数据，这些集合有DataFrame、Bags、Arrays。这些集合类型中的每一个都能够使用在RAM和硬盘之间分区的数据，以及分布在群集中多个节点上的数据。
Dask的使用是非常清晰的，如果你使用NumPy数组，就从Dask数组开始，如果你使用Pandas DataFrame，就从Dask DataFrame开始，依此类推。
这些高级接口在略微变化的情况下复制了标准接口。对于原始项目中的大部分API，这些接口会自动为我们并行处理较大的数据集，实现上不是很复杂，对照Dask的doc文档即可一步步完成。
Delayed
下面说一下Dask的 Delay 功能，非常强大。
Dask.delayed是一种并行化现有代码的简单而强大的方法。之所以被叫做delayed是因为，它没有立即计算出结果，而是将要作为任务计算的结果记录在一个图形中，稍后将在并行硬件上运行。
有时问题用已有的dask.array或dask.dataframe可能都不适合，在这些情况下，我们可以使用更简单的dask.delayed界面并行化自定义算法。例如下面这个例子展示了这个算法。
上面代码在单个线程中按顺序运行。但是，我们看到其中很多可以并行执行。Dask delayed函数可修饰inc、double这些函数，以便它们可延迟运行，而不是立即执行函数，它将函数及其参数放入计算任务图中。
我们简单修改代码，用delayed函数包装一下。
代码运行后inc、double、add和sum都还没有发生，而是生成一个计算的任务图交给了total。然后我们用visualizatize看下任务图。
上图明显看到了并行的可能性，所以毫不犹豫，使用compute进行并行计算，这时才完成了计算。
由于数据集较小无法比较时间，这里只介绍下使用方法，具体可自己动手实践下。
机器学习Sklearn
关于机器学习的并行化执行，由于内容较多，东哥会在另一篇文章展开。这里简单说下一下dask-learn。
dask-learn项目是与Sklearn开发人员协作完成的。现在可实现并行化有Scikit-learn的Pipeline、GridsearchCV和RandomSearchCV以及这些的变体，它们可以更好地处理嵌套的并行操作。
因此，如果我们将sklearn替换为dklearn，那么速度将会提升很多。
下面是一个使用Pipeline的示例，其中应用了PCA和逻辑回归。
得出的结果是：sklearn会在40秒钟左右执行此计算，而dask-learn替代品大约需要10秒钟。
另外，如果添加以下代码可以连接到集群，通过Client可以展示整个计算过程的dashboard，由Bokeh实现。
5、总结
以上简单的介绍Dask的，Dask的功能是非常强大的，且说明文档也非常全，既有示例又有解释。感兴趣的朋友，下期小七有更美的文章等你来阅读
以上是 【Python】去安一个Python大数据分析神器效果如何！ 的全部内容， 来源链接： utcz.com/a/94909.html
