Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
Tradizionalmente, i data scientist utilizzano Jupyter Notebook per prelevare i dati dai server di database o da dataset esterni (come file CSV, JSON, ecc.) e memorizzarli nei DataFrames di pandas (vedi Figura 7-1).
Figura 7-1. Metodo tradizionale di query dei dati come pandas DataFrames e successivo utilizzo per la visualizzazione dei dati
Poi utilizzano i DataFrames per la visualizzazione di . Questo approccio presenta un paio di inconvenienti:
La query su un server di database può degradare le prestazioni del server stesso, che potrebbe non essere ottimizzato per i carichi di lavoro analitici.
Il caricamento dei dati nei DataFrames richiede risorse preziose, tra cui memoria e calcolo. Ad esempio, se l'intenzione è quella di visualizzare alcuni aspetti del dataset, è necessario caricare l'intero dataset in memoria prima di poterlo visualizzare.
Anche le visualizzazioni con Matplotlib utilizzano una quantità significativa di memoria. Dietro le quinte, Matplotlib mantiene in memoria vari oggetti come figure, assi, linee, testo e altri elementi grafici. Ognuno di questi elementi consuma risorse quando viene creato e renderizzato. Inoltre, Matplotlib gestisce gli array di dati utilizzati per i grafici e ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month, and much more.
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.
Julian F.
Head of Cybersecurity
I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.
Addison B.
Field Engineer
I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.
Amir M.
Data Platform Tech Lead
I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.
