Перейти до основного вмісту
🔒 Режим прев'ю. Перші 15 уроків Foundations — безкоштовні; цей — Pro. Запусти 7-денний trial щоб відкрити редактор, AI-підказки і решту курсу. Потрібна картка, скасування в Dashboard у будь-який момент.
Почати 7-денний trial →
⚡
← Курси
›
Data Science Applied
›
Модуль 6 · Глибоке навчання + MLOps
›
Polars / DuckDB для великих DataFrames
quiz
102 / 104
🇺🇦
UA
▼
↗
Поділитись
⋯
Ще
+100 XP
📋
Завдання
📖
Теорія
🤖
AI Допомога
Завдання
📝 **Питання:** 10 ГБ CSV, фільтр + агрегат. Найшвидший із низьким налаштуванням? 📋 Виберіть правильну відповідь. 💡 **Підказка:** Перечитайте наведену вище теорію, якщо не впевнені.
🎯 Тест
Питання
📝 **Питання:** 10 ГБ CSV, фільтр + агрегат. Найшвидший із низьким налаштуванням? 📋 Виберіть правильну відповідь. 💡 **Підказка:** Перечитайте наведену вище теорію, якщо не впевнені.
A
`pd.read_csv(path, chunksize=500_000)` and a manual accumulator — chunking is the modern pandas best practice.
B
DuckDB or Polars — handle 10GB on a laptop, parallel by default.
C
Stand up a single-node PySpark cluster — its Arrow-backed planner outperforms columnar engines on flat CSV input.
D
Pre-convert to Parquet, mount the file with `pyarrow.dataset` and run a pandas groupby on the loaded table object.
Відповісти
💬 Обговорення
Будьте першим — поставте запитання або поділіться порадою.
Увійдіть
щоб приєднатися до обговорення. Читання безкоштовне.
Завантаження обговорення…