1 minutes read — 109 words

พูดถึงงานด้านประมวลผลข้อมูลแบบ Tabular หลายคนต้องนึกถึง Pandas library สารพัดประโยชณ์ ด้าน Data science

cudf library ประสิทธิภาพที่มาพร้อมกับ Nvidia RAPIDS

Nvidia ได้มีการพัฒนา RAPIDS ที่มาพร้อมกับ library หลายตัวรวมถึง cudf ที่เราจะมาลองทดสอบกัน cudf เป็น library ที่มีฟีเจอร์สำคัญๆ คล้ายกับ pandas มาก แต่จะต้องความสามารถบางอย่างออกไปบ้าง แต่สิ่งที่เราได้มาคือ Performance ในการประมวลผลที่เร็วบน GPU

เริ่มกันบน Colab notebook

  • ทำการติดตั้ง cudf ผ่าน pip
!pip install cudf-cu11 --extra-index-url=https://pypi.nvidia.com
  • import library ที่เราจะทดสอบ คือ pandas , cudf และ numpy
   import pandas as pd
   import cudf 
   import numpy as np
  • เราจะสร้าง pandas Dataframe แบบสุ่มขึ้นมา 10000000 แถว 5 columns แล้ว copy ไปสู่ cudf dataframe

cudf_1

  • ทดสอบการ count ข้อมูลทั้งหมดใน DataFrame จาก pandas ใช้เวลาไป 3 วินาที

cudf_2

  • แล้วลองสั่ง count บน cudf ใช้เวลาเพียงแค่ 2.08 ms !

cudf_3

  • หา mean ของแต่ละ column แล้วแสดงผลลัพธ์

cudf_4

สำหรับโปรเจคที่ต้องการความเร็วการทำงาน cudf ถือเป็นตัวเลือกที่ดีเลย

ลองเรียนคอร์สออนไลน์ที่เนื้อหามีคุณภาพ เน้นการทำงานจริง และ ไอเดียสร้างโปรเจคดี ๆ ได้ที่ clarus.dev