> ML_KUTUPHANE // PANDAS_v1.0
pandas
pandas Community / NumFOCUS — Python için esnek ve güçlü veri analizi ve manipülasyon kütüphanesi.
numerical-data-foundationsv2.2.3BSD-3-Clausequalified
Model Eğitimi (Training)
Desteklenen Hızlandırıcılar:
CPU
Dağıtık Eğitim (Distributed):Hayır
Model Sunumu (Inference)
Inference Hızlandırıcıları:
CPUWASM
Hedef Ortamlar (Targets):server, edge
Neleri Sağlar (Ne Yapar)
- +Kullanımı kolay DataFrame ve Series tablo manipülasyonları
- +Zaman serisi tarih aralığı üretimi ve frekans dönüşümleri
- +Kapsamlı veri temizleme, birleştirme ve özetleme
Neleri Sağlamaz (Ne Yapmaz)
- -Birden fazla makineye yerel olarak dağılma
- -Fiziksel RAM boyutunu aşan verileri otomatik bellek dışı işleme
- -Sorguları yerel olarak GPU üzerinde hızlandırma
>Uygun İş Tipleri
- Veri temizleme ve dönüştürme
- scikit-learn ve XGBoost için öznitelik mühendisliği
- Keşifsel veri analizi
>Uygun Olmayan İş Tipleri
- Tek düğümlü RAM kapasitesini aşan büyük veri
- 1 milisaniyenin altında ultra düşük gecikmeli canlı öznitelik sunumu
Veri Yerleşimi ve İkameti
Yalnızca yerel tek ana makine belleği.
Güvenlik Değerlendirmesi
Güvenilmeyen dosyalarda pd.read_pickle kullanımından kaçının.
Operasyonel Metrikler ve Bilinen Kısıtlar
Olgunluk:mature
Öğrenme Eğrisi:low
Operasyon Yükü:low
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
- Yüksek bellek tüketimi (genellikle ham veri boyutunun 3-5 katı).
- Standart işlemlerde Python GIL sınırlarına bağlıdır.
İlişkili Üretim Arıza Paternleri (Incidentpedia)
Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:
> Birincil Kanıt ve Doğrulama Kaynakları
pandas 2.2 Documentationofficial-docs • >=2.0.0, <=2.2.x
2026-09-25HIGH