Retourner au contenu associé (entrée de forum : "Processus arrêté")
Posté par Atem18 le 10 octobre 2020 à 09:27. En réponse au message "Processus arrêté". Évalué à 3.
Si je comprends bien, on dirait du calcul scientifique.
Je regarderais du côté des Pandas pour optimiser facilement sans trop se fouler : https://scls.gitbooks.io/initiation-a-python-pour-le-traitement-de-donnees/content/04_pandas.html En gros, tu charge un fichier csv avec tes données et ça va te créer un dataframe (en gros c'est une table sql en mémoire) import pandas as pd filename = 'chemin/vers/fichier.csv' df = pd.read_csv(filename)
Et ensuite, tu peux appliquer des fonctions sur ce dataframe. Exemple: def square(x): return x ** 2 df.apply(square)
Un autre site pour l'exemple : http://www.python-simple.com/python-pandas/panda-intro.php
À noter que Pandas se base aussi sur Numpy, donc ça peut être une bonne chose de regarder après de ce côté là pour encore optimiser.
Enfin si tu veux lancer plusieurs calculs en même temps, tu as asyncio.
AltStyle によって変換されたページ (->オリジナル) / アドレス: モード: デフォルト 音声ブラウザ ルビ付き 配色反転 文字拡大 モバイル
# Pandas, Numpy, etc.
Posté par Atem18 . En réponse au message "Processus arrêté". Évalué à 3.
Si je comprends bien, on dirait du calcul scientifique.
Je regarderais du côté des Pandas pour optimiser facilement sans trop se fouler : https://scls.gitbooks.io/initiation-a-python-pour-le-traitement-de-donnees/content/04_pandas.html
En gros, tu charge un fichier csv avec tes données et ça va te créer un dataframe (en gros c'est une table sql en mémoire)
import pandas as pd
filename = 'chemin/vers/fichier.csv'
df = pd.read_csv(filename)
Et ensuite, tu peux appliquer des fonctions sur ce dataframe. Exemple:
def square(x):
return x ** 2
df.apply(square)
Un autre site pour l'exemple : http://www.python-simple.com/python-pandas/panda-intro.php
À noter que Pandas se base aussi sur Numpy, donc ça peut être une bonne chose de regarder après de ce côté là pour encore optimiser.
Enfin si tu veux lancer plusieurs calculs en même temps, tu as asyncio.