معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Speedup up to 40 percent when sorting Pandas index/Series

ویژگی	مقدار
سیستم عامل	-
نام فایل	a-pandas-ex-fastsort-0.10
نام	a-pandas-ex-fastsort
نسخه کتابخانه	0.10
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Johannes Fischer
ایمیل نویسنده	<aulasparticularesdealemaosp@gmail.com>
آدرس صفحه اصلی	https://github.com/hansalemaos/a_pandas_ex_fastsort
آدرس اینترنتی	https://pypi.org/project/a-pandas-ex-fastsort/
مجوز	MIT

# Speedup up to 40 percent when sorting Pandas index/Series ### MSVC C++ x64/x86 build tools must be installed. ### This module uses [https://pypi.org/project/npfastsortcpp/](https://pypi.org/project/npfastsortcpp/) ### There you can get all instructions ## Important: Only for float/int ### Tested against Windows 10 / Python 3.9.13 ```python import pandas as pd from a_pandas_ex_fastsort import pd_add_fastsort pd_add_fastsort() dafra = "https://github.com/pandas-dev/pandas/raw/main/doc/data/titanic.csv" df5 = pd.read_csv(dafra) ``` ```python # Speed gain even for small DataFrames df = pd.concat([df5.copy() for x in range(10)], ignore_index=True) df = df.sample(len(df)) %timeit df.d_fast_reindex() # Values must be unique 846 µs ± 37.4 µs per loop (mean ± std. dev. of 7 runs, 1,000 loops each) %timeit df.sort_index() 933 µs ± 25.7 µs per loop (mean ± std. dev. of 7 runs, 1,000 loops each) ``` ```python # The bigger, the better df = pd.concat([df5.copy() for x in range(100)], ignore_index=True) df = df.sample(len(df)) %timeit df.d_fast_reindex() # Values must be unique 11.1 ms ± 131 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) %timeit df.sort_index() 15 ms ± 220 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) ``` ```python df = pd.concat([df5.copy() for x in range(100)], ignore_index=True) df = df.sample(len(df)) %timeit df.Pclass.sort_values() 2.08 ms ± 66 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) %timeit df.Pclass.s_fastsort_copy() # Be careful: original index will be dropped! 583 µs ± 5.85 µs per loop (mean ± std. dev. of 7 runs, 1,000 loops each) ``` ```python # Be careful: df.Pclass.s_fastsort_inplace() # sorts only one Series in place, # values in other columns are not being sorted! df # starting with: Out[19]: PassengerId Survived Pclass ... Fare Cabin Embarked 34102 245 0 3 ... 7.2250 NaN C 28329 709 1 1 ... 151.5500 NaN S 50018 123 0 2 ... 30.0708 NaN C 51258 472 0 3 ... 8.6625 NaN S 51813 136 0 2 ... 15.0458 NaN C ... ... ... ... ... ... ... 36357 718 1 2 ... 10.5000 E101 S 78608 201 0 3 ... 9.5000 NaN S 64989 838 0 3 ... 8.0500 NaN S 20824 332 0 1 ... 28.5000 C124 S 21108 616 1 2 ... 65.0000 NaN S [89100 rows x 12 columns] df.Pclass.s_fastsort_inplace() df # Result - Only Pclass has been sorted Out[21]: PassengerId Survived Pclass ... Fare Cabin Embarked 34102 245 0 1 ... 7.2250 NaN C 28329 709 1 1 ... 151.5500 NaN S 50018 123 0 1 ... 30.0708 NaN C 51258 472 0 1 ... 8.6625 NaN S 51813 136 0 1 ... 15.0458 NaN C ... ... ... ... ... ... ... 36357 718 1 3 ... 10.5000 E101 S 78608 201 0 3 ... 9.5000 NaN S 64989 838 0 3 ... 8.0500 NaN S 20824 332 0 3 ... 28.5000 C124 S 21108 616 1 3 ... 65.0000 NaN S [89100 rows x 12 columns] ```

نیازمندی

مقدار	نام
-	npfastsortcpp
-	pandas

نحوه نصب

نصب پکیج whl a-pandas-ex-fastsort-0.10:

pip install a-pandas-ex-fastsort-0.10.whl

نصب پکیج tar.gz a-pandas-ex-fastsort-0.10:

pip install a-pandas-ex-fastsort-0.10.tar.gz