详细内容或原文请订阅后点击阅览
用箭头在Python中有效的数据处理
将箭头介绍给那些仍然不知道其Power的人，在Python中，箭头有效的数据处理首先是迈向数据科学的。
来源:走向数据科学1。简介
我们都习惯于使用CSV，JSON文件……与传统库和大型数据集一起使用，这些读物的读写，写入和操作可能非常慢，从而导致性能瓶颈（在那里）。正是有大量数据，有效地处理数据对于我们的数据科学/分析工作流程至关重要，这正是Apache Arrow发挥作用的位置。
apache箭头为什么？主要原因在于如何将数据存储在内存中。例如，JSON和CSV是基于文本的格式，而Arrow是一种柱状内存数据格式（并且可以在不同的数据处理工具之间进行快速数据互换）。因此，箭头旨在通过启用零拷贝读取，减少内存使用和支持有效压缩来优化性能。
此外，Apache Arrow是开源的，并针对分析进行了优化。它旨在加速大数据处理，同时与Pandas，Spark和Dask等各种数据工具保持互操作性。通过以柱状格式存储数据，箭头可以更快地读取/写入操作和有效的内存使用情况，使其非常适合分析工作负载。
听起来很棒吗？最好的是，这就是我将提供的所有箭头的介绍。足够的理论，我们希望在行动中看到它。因此，在这篇文章中，我们将探讨如何在Python中使用Arrow以及如何充分利用它。
2。python中的箭头
要开始，您需要安装必要的库：Pandas和Pyarrow。
pip安装pyarrow pandas
pip安装pyarrow pandas
一如既往地将它们导入您的Python脚本：
将Pyarrow作为Paimport Pandas作为PD
将Pyarrow作为Paimport Pandas作为PD
还没有什么新鲜事物，只需完成以下操作的必要步骤即可。让我们从执行一些简单的操作开始。
2.1。创建和存储表
我们可以做的最简单的是表格数据的硬码。让我们创建一个带有足球数据的两列桌子：
pyarrow.tabledf = team_goals_table.to_pandas（）