cuDF：加快数据处理流程的DataFrame库

7 ~* w ?- |1 F& f6 F

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

9 y3 \' P+ E! [& M* {7 _

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。

/ Y( c6 {9 x( l7 R: d

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。

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。

: N/ Z+ s5 n" e+ |; p. v

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：

4 f1 K7 l3 k/ L8 @

import cudf, io, requests

% ] z+ V% \3 |( N( Q; o/ T

from io import StringIO

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

% n( D, K6 A" `+ x8 K

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 - z# X# k/ _6 b! \6 y+ B

# display average tip by dining party size

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

: Z4 D% D' r5 Z+ x% t

得到的输出为：

" s1 g6 H4 U9 A

size

& D/ T8 j" X P6 j$ f0 P3 f* N( n

1    21.729201548727808

1 {% O6 E( G0 }: y- h+ V

2    16.571919173482897

3    15.215685473711837

4    14.594900639351332

& H# m, Q* O! w& R, d" E8 p

5    14.149548965142023

% ^" y* l9 E6 F% j2 [" S5 v( o9 Y5 f

6    15.622920072028379

Name: tip_percentage, dtype: float64

9 x$ Y, }/ m1 f1 G 3 f# D1 \0 y! ~

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。

4 k2 s7 Q8 g0 O9 [0 A

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。

安装

conda

$ Q; m+ j3 ~) a8 p4 P" z

cuDF 可以通过渠道安装 conda（miniconda，或完整的 Anaconda 发行版） rapidsai：

# [& ~* X) W% i5 l; N0 U

# 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 ' A( Q+ b4 z* n. i

# or, for CUDA 10.0

0 m8 p& O8 Y9 @$ ?# O2 W

conda install -c nvidia -c rapidsai -c numba -c conda-forge -c defaults \

   cudf=0.6 python=3.6 cudatoolkit=10.0

3 L- q3 T, X9 O# L

我们还提供从我们最新开发分支的尖端构建的夜间 conda 包。

* Y2 z) ?, I) j5 d' V' [& h

Pip

cuDF 也可以用 PyPi 安装。

0 U, V- ?; r. g6 O7 m7 ~6 p 9 C8 l, N* D H# `" x+ J0 q( n

# for CUDA 9.2

' P4 z$ m! l8 `/ t7 M; _, X, i

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

# or, for CUDA 10.0

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

$ o4 y% K/ g; N1 u1 l

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。

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

雷锋网雷锋网

* w+ W$ J( }' T1 B' f x. h! @' \ ! }( ]" F2 \+ F. N" d k8 O * X/ p2 D q* ?0 y

. b) ~( p9 N' P9 Y/ @% m

# o; Z, ]3 Y) Z+ |4 O+ X& k

: W6 h {% M" W$ e a , K. s8 V4 p/ w# P) @7 u . c5 B2 Z v( C- C3 U$ u! K; F6 W - h6 W+ h, N" b b; N) _