agent-skills

一位数据科学家正在处理一个包含1000万行销售数据的Parquet文件，现有pandas代码运行缓慢，希望加速数据分析流程。

我有一个1000万行的sales.parquet文件，用pandas读取和聚合速度很慢。我想加速groupby和过滤操作，但不想重写代码。有什么办法？

您只需将导入语句从 `import pandas as pd` 改为 `import chdb.datastore as pd`，其余代码无需改动。DataStore 是 ClickHouse 驱动的 pandas 替代品，操作会编译为 SQL 并延迟执行，仅在需要结果时触发。 示例： ```python import chdb.datastore as pd df = pd.read_parquet("sales.parquet") result = df[df["revenue"] > 1000].groupby("region")["sales"].sum() print(result) # 实际执行在此触发 ``` 对于您的1000万行数据，典型聚合操作可提速10-100倍。DataStore 还支持从 MySQL、S3 等16+数据源直接加载，并支持跨源 join。 注意：DataStore 是惰性执行，请确保在需要结果的操作（如 print、len、to_csv）前完成所有转换。