NVIDIA 技术博客：新视频：用 RAPIDS cuDF 和 Plotly Dash 可视化人口普查数据

[nvdev]

这篇文章最初发表在 NVIDIA 技术博客上。有关此类的更多内容，请参阅最新的 数据中心/云端 新闻和教程。

收集商业见解可能是一件痛苦的事情，尤其是当你要处理无数的数据点时。

众所周知， GPU 可以为数据科学家节省时间。 GPU 有助于加快流程并快速获得所需的见解，而不是等待一个查询运行。

在这个视频中，Allan Enemark，RAPIDS数据可视化领先者，使用拥有超过30亿个数据点的美国人口普查数据集，演示了在分析过程中如何不间断地运行查询RAPIDS cuDF和Plotly Dash。

主要收获

• 使用 cuDF pandas，对于数百万个数据点，每个查询的运行时间不超过1秒，带来了显著的性能优势。
• 使用集成的加速可视化框架有几个优点，例如更快的分析迭代。
• 使用 cuDF 类 pandas RAPIDS 加速库（如 GPU）取代基于 CPU 的库有助于数据科学家快速完成 EDA 过程数据大小在2GB到10GB之间增加时。
• 可视化计算和渲染时间降低到交互式亚秒速度，从而畅通了洞察发现过程。

视频 1 。用 RAPIDS cuDF 和 Plotly Dash 可视化人口普查数据

总结

将 pandas 与 cuDF 等 RAPIDS 框架进行交换可以帮助加快数据分析工作流程，使分析过程更加有效和愉快。此外， RAPIDS 库可以使用简单的 Python 代码轻松绘制各种数据，如时间序列、地理空间和图表。

要了解有关加快传统 GPU 数据科学工作流程的更多信息，请访问以下资源：

• 加速数据分析系列
• RAPIDS 可视化指南
• Colab 人口普查可视化演示

 

阅读原文