দুজনের মধ্যে দক্ষতার পার্থক্যের বিষয়টি আমি আর চাপ দিতে পারি না! যদিও এটি সত্য যে কিছু বিশেষ করে ডেটা বিশ্লেষণের ক্ষেত্রে ডিএফগুলি আরও সুবিধাজনক তবে তারা ভিন্ন ভিন্ন উপাত্তকেও মঞ্জুরি দেয় এবং কিছু গ্রন্থাগার কেবল সেগুলি গ্রহণ করে, যদি আপনি কোনও নির্দিষ্ট কাজের জন্য এক-সময় কোড না লিখে থাকেন তবে এগুলি সমস্তই গৌণ is
আমাকে যদি আপনি একটি উদাহরণ দিতে। এখানে একটি ফাংশন ছিল যা MCMC পদ্ধতির 2D পথ গণনা করবে। মূলত, এর অর্থ আমরা একটি প্রাথমিক বিন্দু (x, y) নিয়েছি এবং প্রতিটি পদক্ষেপে একটি নতুন পয়েন্ট (x, y) সন্ধানের জন্য একটি নির্দিষ্ট অ্যালগরিদম পুনরাবৃত্তি করি, পুরো পথটি এইভাবেই তৈরি করে। অ্যালগরিদমটিতে একটি বেশ জটিল ফাংশন এবং প্রতিটি পুনরাবৃত্তিতে কিছু এলোমেলো পরিবর্তনশীলের গণনা জড়িত থাকে, সুতরাং এটি যখন 12 সেকেন্ড চলবে তখন আমি ভেবেছিলাম যে এটি প্রতিটি পদক্ষেপে কত স্টাফ করে তা ঠিক আছে fine বলা হচ্ছে, ফাংশনটি 3-কলামের ডেটা.ফ্রেমে একটি উদ্দেশ্য ফাংশনের মান সহ নির্মিত পথে সমস্ত পয়েন্ট সংগ্রহ করেছিল। সুতরাং, 3 টি কলামগুলি এতো বড় নয় এবং পদক্ষেপের সংখ্যাটিও যুক্তিসঙ্গত 10,000 এর চেয়ে বেশি ছিল (এই ধরণের সমস্যায় 1,000,000 দৈর্ঘ্যের পাথগুলি সাধারণ, সুতরাং 10,000 কিছুই নয়)। সুতরাং, আমি ভেবেছিলাম একটি ডিএফ 10, 000x3 অবশ্যই কোনও সমস্যা নয়। একটি ডিএফ ব্যবহার করার কারণটি সহজ। ফাংশনটি কল করার পরে, ggplot () কে ফলাফল (x, y) -পথ আঁকতে বলা হয়েছিল। এবং ggplot () কোনও ম্যাট্রিক্স গ্রহণ করে না।
তারপরে, কৌতূহলের বাইরে এক পর্যায়ে আমি ম্যাট্রিক্সে পথ সংগ্রহের জন্য ফাংশনটি পরিবর্তন করার সিদ্ধান্ত নিয়েছি। আনন্দের সাথে ডিএফ এবং ম্যাট্রিক্সের বাক্য গঠনটি একই রকম, আমি যা করলাম তা হ'ল ডেটা হিসাবে ফ্রেম নির্দিষ্ট করে রেখাকে পরিবর্তন করা। ফ্রেমটিকে ম্যাট্রিক্স হিসাবে আরম্ভ করার জন্য to এখানে আমার আরও উল্লেখ করা দরকার যে প্রাথমিক কোডে ডিএফের চূড়ান্ত আকার ধারণ করা হয়েছিল, সুতরাং পরে ফাংশনের কোডটিতে ইতিমধ্যে বরাদ্দ করা জায়গাগুলিতে কেবলমাত্র নতুন মানগুলি রেকর্ড করা হত, এবং সেখানে নতুন সারি যুক্ত করার কোনও ওভারহেড ছিল না ডিএফ। এটি তুলনাটিকে আরও সুষ্ঠু করে তোলে এবং এটি আমার কাজটিকে আরও সহজ করে তোলে কারণ ফাংশনে আমার আর কিছু লেখার দরকার পড়েনি। প্রয়োজনীয় আকারের ডেটা ফ্রেম থেকে একই আকারের একটি ম্যাট্রিক্সে কেবলমাত্র এক লাইন পরিবর্তন। ফাংশনের নতুন সংস্করণটি জিপিপ্লাটে () রূপান্তর করতে, আমি এখনই ফিরে আসা ম্যাট্রিক্সকে একটি ডেটাতে রূপান্তর করেছি।
কোডটি পুনরায় চালু করার পরে আমি ফলাফলটি বিশ্বাস করতে পারি না। কোডটি এক সেকেন্ডের ভগ্নাংশে চলে! প্রায় 12 সেকেন্ডের পরিবর্তে। এবং আবারও, 10,000 পুনরাবৃত্তির সময় ফাংশনটি একটি ডিএফ (এবং এখন একটি ম্যাট্রিক্সে) ইতিমধ্যে বরাদ্দ স্পেসগুলিতে মানগুলি কেবল পঠন করে লিখেছিল। এবং এই পার্থক্যটি যুক্তিসঙ্গত (বা বরং ছোট) আকারের 10000x3 এর জন্যও।
সুতরাং, যদি আপনার ডিএফ ব্যবহারের একমাত্র কারণ হ'ল এটি জিপিপ্লট () এর মতো কোনও লাইব্রেরির ফাংশনটির সাথে সামঞ্জস্যপূর্ণ হয় তবে আপনি সর্বদা শেষ মুহুর্তে এটি একটি ডিএফতে রূপান্তর করতে পারেন - যতটা সুবিধাজনক বোধ করেন ম্যাট্রিকগুলি নিয়ে কাজ করুন। অন্যদিকে যদি ডিএফ ব্যবহারের আরও বেশি যুক্তিসঙ্গত কারণ থাকে যেমন আপনি কিছু তথ্য বিশ্লেষণ প্যাকেজ ব্যবহার করেন যা অন্যথায় ধ্রুবককে ম্যাট্রিক থেকে ডিএফ এবং পিঠে রূপান্তর করতে হয়, বা আপনি নিজে কোনও নিবিড় গণনা করেন না এবং কেবলমাত্র মান ব্যবহার করেন প্যাকেজগুলি (তাদের মধ্যে অনেকেই অভ্যন্তরীণভাবে একটি ম্যাট্রিক্সে একটি ডিএফ রূপান্তর করে, তাদের কাজটি করে, এবং ফলাফলটি পুনরায় রূপান্তর করে - সুতরাং তারা আপনার জন্য সমস্ত দক্ষতা কাজ করে), বা এককালীন কাজ করে যাতে আপনি যত্ন না করেন এবং অনুভব করেন না ডিএফগুলির সাথে আরও আরামদায়ক, তবে আপনার দক্ষতার বিষয়ে চিন্তা করা উচিত নয়।
বা অন্যরকম ব্যবহারিক নিয়ম: আপনার যদি ওপি-তে যেমন প্রশ্ন থাকে তবে ম্যাট্রিক ব্যবহার করুন, সুতরাং আপনার যখন ডিএফ ব্যবহার করা হবে তখনই আপনি যখন এ জাতীয় প্রশ্ন করবেন না (কারণ আপনি ইতিমধ্যে জানেন যে আপনাকে ডিএফ ব্যবহার করতে হবে, বা কারণ আপনি কোডটি এক-সময় ইত্যাদি হিসাবে সত্যই যত্ন নেই)
তবে সাধারণভাবে এই দক্ষতার বিষয়টিটিকে সর্বদা অগ্রাধিকার হিসাবে মনে রাখুন।