cudf

NVIDIA cuDF（发音为“KOO-dee-eff”）是一个采用 Apache 2.0 许可、专为表格数据处理设计的 GPU 加速 DataFrame 库。它是 NVIDIA CUDA-X GPU 加速库套件的一部分。 cuDF 生态系统由多个库组成： - libcudf：一个 CUDA C++ 库，提供符合 Apache Arrow 的数据结构和表格数据的基础算法。 - pylibcudf：一个 Python 库，为 libcudf 提供 Cython 绑定。 - cudf：一个 Python 库，提供镜像 pandas API 的 DataFrame 库，以及 cudf.pandas，一个可通过 `python -m cudf.pandas` 调用或作为 Jupyter 扩展加载的零代码更改加速器，用于现有 pandas 代码。 - cudf-polars：一个 Python 库，为 Polars 提供 GPU 引擎，允许通过调用 `collect(engine="gpu")` 在 GPU 上运行惰性 API 操作。 - dask-cudf：一个 Python 库，为 Dask DataFrame 提供 GPU 后端。 使用 cuDF 的知名项目包括 Spark RAPIDS（Apache Spark 的 GPU 加速器插件）、Velox-cuDF（一个 Velox 扩展模块，用于在 GPU 上执行 Velox 计划）和 Sirius（一个 GPU 原生 SQL 引擎，为 DuckDB 等库提供扩展）。 安装可通过 pip（带有 CUDA 版本特定后缀，如 -cu12 或 -cu13）、conda（通过 rapidsai 频道）或从源码进行。该库支持读取 Parquet 文件、删除包含空值的缺失行以及执行 groupby 聚合等数据处理操作。 该库欢迎社区贡献，并由 NVIDIA 积极维护。问题和讨论可在 RAPIDS Slack 工作区中发布。