高性能 Go 语言数据分析库，灵感来自 Python pandas。
- DataFrame & Series：为 Go 开发者提供熟悉的 pandas 风格 API
- 高性能：Excel 读取速度是 pandas 的 2 倍
- GroupBy：强大的分组聚合操作（Sum、Mean、Count 等）
- Merge/Join：SQL 风格的表连接（Inner、Left、Right、Outer）
- 并行处理：利用 Go 并发优势加速大数据处理
- Excel & CSV：完整支持数据文件读写
go get github.com/BAIGUANGMEI/datago需要 Go 1.22+
package main import ( "fmt" "github.com/BAIGUANGMEI/datago/dataframe" "github.com/BAIGUANGMEI/datago/io" ) func main() { // 创建 DataFrame df, _ := dataframe.New(map[string][]interface{}{ "name": {"Alice", "Bob", "Charlie"}, "age": {25, 30, 35}, "salary": {50000.0, 60000.0, 70000.0}, }) // 筛选和排序 filtered := df.Filter(func(r dataframe.Row) bool { return r.Get("age").(int) >= 30 }).SortBy("salary", dataframe.Descending) // GroupBy 聚合 gb, _ := df.GroupBy("age") stats := gb.Mean("salary") // 读写文件 excelDF, _ := io.ReadExcel("data.xlsx", io.ExcelOptions{HasHeader: true}) _ = io.WriteCSV("output.csv", df, io.CSVWriteOptions{}) }| 数据集 | DataGo | pandas | polars |
|---|---|---|---|
| 15K 行 × 11 列 | 0.21s | 0.51s | 0.10s |
| 271K 行 × 16 列 | 5.76s | 11.01s | 2.18s |
DataGo 读取 Excel 速度约为 pandas 的 2 倍。
在线文档：https://baiguangmei.github.io/datago/
// 创建 df, _ := dataframe.New(data) df, _ := dataframe.FromRecords(records, columns) // 选择 df.Head(n) / df.Tail(n) df.Select("col1", "col2") df.Filter(func(row Row) bool { ... }) df.ILoc(rowStart, rowEnd, colStart, colEnd) // 操作 df.AddColumn("name", series) df.Drop("col1", "col2") df.Rename(map[string]string{"old": "new"}) df.SortBy("col", Ascending) // 统计 df.Describe() df.ParallelSum() / df.ParallelMean()gb, _ := df.GroupBy("category") gb.Sum("value") gb.Mean("value") gb.Agg(map[string][]AggFunc{...}) gb.Apply(func(*DataFrame) *DataFrame { ... }) gb.Filter(func(*DataFrame) bool { ... })// Inner/Left/Right/Outer 连接 result, _ := dataframe.Merge(left, right, MergeOptions{ How: InnerJoin, On: []string{"key"}, }) // 不同列名连接 result, _ := left.MergeOn(right, []string{"left_key"}, []string{"right_key"}, LeftJoin, )// 并行 Apply result := series.ParallelApply(func(v interface{}) interface{} { ... }) // 并行筛选 result := df.ParallelFilter(func(row Row) bool { ... }) // 并行聚合 sums := df.ParallelSum() gb.ParallelAgg(aggFuncs)// Excel df, _ := io.ReadExcel("file.xlsx", ExcelOptions{HasHeader: true}) io.WriteExcel("output.xlsx", df, ExcelWriteOptions{}) // CSV df, _ := io.ReadCSV("file.csv", CSVOptions{HasHeader: true}) io.WriteCSV("output.csv", df, CSVWriteOptions{})MIT License