【Python包】pandas和koalas

1.pandas介绍

Python 数据科学在过去几年中爆炸式增长， pandas 已成为生态系统的关键。当数据科学家得到一个数据集时，他们会使用 pandas 进行探索。它是数据处理和分析的终极工具。

pandas 不能很好地在大数据中规模应用，因为它专为单个机器可以处理的小型数据集而设计。许多数据科学家将 pandas 用于职业培训、偏好性项目和小型数据任务。

2.Koalas介绍

Apache Spark 已成为处理大数据实际上的标准。当他们使用非常大的数据集时，他们必须迁移到 PySpark 以利用 Spark，或对其数据进行下采样以使用 pandas。

现在有了 Koalas，数据科学家可以从单个机器迁移到分布式环境，而无需学习新的框架。正如你在下面所看到的，只需替换一个包，就可以使用 Koalas 在 Spark 上扩展你的 pandas 代码。

参考文档：

Koalas：让 pandas 轻松切换 Apache Spark，在大数据中规模应用