Pandas에서 함수 벡터화

벡터화는 함수를 보다 효율적으로 평가하는 형식으로 변환하는 방법입니다. 데이터를 배열로 변환하여 Python에서 데이터 처리 속도를 높입니다. 루프를 사용하지 않고 Python 코드의 속도를 높입니다.

Pandas 라이브러리는 Python에서 데이터 분석 및 조작을 위한 인기 있는 도구입니다. 코드 성능을 향상시키기 위해 Pandas의 벡터화를 일반적으로 수치 계산에 사용합니다.

Pandas 데이터 프레임은 데이터 프레임 위에 구축된 데이터 구조로, R 데이터 프레임과 Python 사전의 기능을 모두 제공합니다. Python 사전과 비슷하지만 Excel 테이블 및 행과 열이 있는 데이터베이스와 같은 모든 데이터 분석 및 조작 기능이 있습니다.

Pandas에서 함수 벡터화

데이터 프레임을 가져오기 위해 Python 라이브러리 pandas를 설치해 보겠습니다.

PS C:\> pip install pandas

데이터 프레임에서 벡터화를 수행하기 위해 Python 라이브러리 pandas를 사용하여 이를 가져옵니다. 아래 코드를 실행하여 데이터 프레임을 가져오고 연결을 통해 크게 만들어 봅시다.

예제 코드(demo.py에 저장됨):

import pandas as pd

small_df = pd.read_csv("Salaries.csv")
df = pd.concat([small_df] * 100, ignore_index=True)

이제 아래 코드를 실행하여 데이터 분석을 위한 데이터 프레임의 총 행 수를 계산합니다.

예제 코드(demo.py에 저장됨):

print(f"No of rows: {len(df)}")

OUTPUT(콘솔에 인쇄됨):

No of rows: 14865400

아래 코드를 실행하여 벡터화 없이 데이터 프레임에 수행된 작업의 소비 시간을 살펴보겠습니다.

예제 코드(demo.py에 저장됨):

import time
import numpy

start_time = time.process_time()
pay_with_tax = np.zeros(len(df))
for idx, pay in enumerate(df.TotalPay.values):
    pay_with_tax[idx] = pay * 1.05 + 1
end_time = time.process_time()

print("Without using Vectorization")
print(f"pay_with_tax = {pay_with_tax}")
print(f"Computation time = {(1000*(end_time - start_time ))}ms")

함수 np.zeros()는 크기를 len(df)로 사용하고 지정된 크기의 0 배열을 생성합니다. for 루프는 데이터의 pay_with_tax 배열과 TotalPay 열 모두를 반복합니다. 지불로 프레임.

각 pay에 대한 세금을 계산하고 pay_with_tax에 저장합니다.

OUTPUT(콘솔에 인쇄됨):

벡터화는 SIMD(Single Instruction Multiple Data) 접근 방식을 사용하여 작업에 유연성을 추가합니다. Pandas에서 배치 API는 루프를 사용하지 않고 작업 속도를 높입니다.

salary_with_tax를 계산할 때 소요되는 시간을 계산하기 위해 벡터화를 사용하는 아래 코드를 실행해 봅시다.

예제 코드(demo.py에 저장됨):

start_time = time.process_time()
pay_with_tax = df.TotalPay.values * 1.05 + 1
end_time = time.process_time()

print("Using Vectorization")
print(f"pay_with_tax = {pay_with_tax}")
print(f"Computation time = {(1000*(end_time - start_time ))}ms")

OUTPUT(콘솔에 인쇄됨):

또한 위의 코드에 약간의 변경을 추가하여 mean, sqrt 등과 같은 numpy 라이브러리의 통계 연산을 적용할 수도 있습니다.

예제 코드(demo.py에 저장됨):

import numpy as np

# non vectorized
for idx, pay in enumerate(df.TotalPay.values):
    pay_with_tax[idx] = np.mean(pay)

# vectorized
pay_with_tax = df["TotalPay"].apply(np.mean)

벡터화가 있든 없든 시간 소비의 차이를 볼 수 있습니다. 산업은 수백만에서 수조 개의 빅 데이터 행을 처리합니다.

벡터화되지 않은 접근 방식으로 이 데이터를 계산하는 데는 시간이 많이 걸립니다. 따라서 Pandas 데이터 프레임의 유연한 벡터화 특성은 빠른 데이터 분석 및 조작에 도움이 됩니다.