cuDF - GPU数据帧

📢 cuDF现在可以作为pandas的无代码更改加速器使用！了解更多信息，请参阅 这里！

cuDF（发音为“库-迪-艾夫”）是一个用于加载数据、连接、聚合、过滤以及进行其他数据操作的GPU数据帧库。cuDF利用libcudf，一个快速的C++/CUDA数据帧库和Apache Arrow列格式，提供一个GPU加速的pandas API。

您可以直接导入cudf并像pandas一样使用它

import cudf

tips_df = cudf.read_csv("https://github.com/plotly/datasets/raw/master/tips.csv")
tips_df["tip_percentage"] = tips_df["tip"] / tips_df["total_bill"] * 100

# display average tip by dining party size
print(tips_df.groupby("size").tip_percentage.mean())

或者，您可以使用cuDF作为pandas的无代码更改加速器，使用cudf.pandas。 cudf.pandas支持100%的pandas API，利用cuDF执行支持的运算，并在需要时回退到pandas

%load_ext cudf.pandas  # pandas operations now use the GPU!

import pandas as pd

tips_df = pd.read_csv("https://github.com/plotly/datasets/raw/master/tips.csv")
tips_df["tip_percentage"] = tips_df["tip"] / tips_df["total_bill"] * 100

# display average tip by dining party size
print(tips_df.groupby("size").tip_percentage.mean())

资源

• 现在尝试cudf.pandas：在Google Colab的免费GPU启用实例上探索cudf.pandas！
• 安装：安装cuDF和其他RAPIDS库的说明。
• cudf (Python) 文档
• libcudf (C++/CUDA) 文档
• RAPIDS社区：获取帮助、贡献和协作。

请参阅RAPIDS安装页面获取安装cuDF和其他RAPIDS软件包的最新信息和命令。

安装

CUDA/GPU要求

• CUDA 11.2+
• NVIDIA驱动程序 450.80.02+
• Volta架构或更高（计算能力 >=7.0）

Pip

cuDF可以通过从NVIDIA Python软件包索引使用pip进行安装。请根据您环境中可用的CUDA主版本选择适当的cuDF软件包。

CUDA 11.x版本

pip install --extra-index-url=https://pypi.nvidia.com cudf-cu11

CUDA 12.x版本

pip install --extra-index-url=https://pypi.nvidia.com cudf-cu12

Conda

cuDF可以使用conda安装（通过miniconda或来自rapidsai通道的完整Anaconda发行版）。

conda install -c rapidsai -c conda-forge -c nvidia \
    cudf=24.08 python=3.11 cuda-version=12.5

我们还提供了从最新开发分支的HEAD构建的夜间Conda软件包。

注意：cuDF仅在Linux上受支持，并且与Python 3.9及更高版本兼容。

有关更多操作系统和版本信息，请参阅RAPIDS安装指南。

从源代码构建/安装

请参阅构建说明。

贡献

请参阅我们关于贡献cuDF的指南。