การใช้ DataFrame
ในแบบฝึกหัดที่แล้ว คุณได้เรียนรู้วิธีแบ่งงานและใช้ API ระดับล่างอย่าง multiprocessing.Pool ของ Python เพื่อทำการคำนวณบนหน่วยประมวลผลหลายตัวพร้อมกัน
การเข้าใจในระดับนี้เป็นสิ่งสำคัญ แต่ในทางปฏิบัติจริง เราแทบไม่ได้ใช้ API แบบนั้นโดยตรง วิธีที่สะดวกกว่าในการ parallelize การ apply บนหลาย group คือการใช้ framework dask และ DataFrame ที่เป็น abstraction ของ pandas
pandas DataFrame ชื่อ athlete_events พร้อมใช้งานใน workspace ของคุณแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Data Engineering เบื้องต้น
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
import dask.dataframe as dd
# Set the number of partitions
athlete_events_dask = dd.from_pandas(athlete_events, ____=____)