Orca項目在DolphinDB之上實現了pandas API，使用戶能更高效地分析處理海量數據。
如果你已經熟悉pandas，你就能通過Orca包，充分利用DolphinDB的高性能和併發，處理海量數據，而不需要額外的學習曲線。如果你已經有現成的pandas代碼，你不需要對已有的pandas代碼進行大量修改，就能遷移到Orca。
目前，Orca項目仍然處於開發階段，並且在快速迭代。我們歡迎你在使用Orca的同時，通過GitHub issues給我們反饋。
Orca的設計理念
Python的第三方庫pandas是一個強大的分析結構化數據的工具，具有高性能、接口易用、易學習的特點，在數據科學和量化金融領域廣受歡迎。然而，當我們開始處理TB級別的海量數據時，單核運行的pandas就顯得力不從心；pandas的高內存佔用也是影響其發揮的限制之一。當我們擁有更多的處理器核，擁有多臺物理機器時，我們會希望充分利用併發的優勢，提高數據處理的效率。
DolphinDB database是一個分佈式數據分析引擎，它可以將TB級的海量數據存儲在多臺物理機器上，並能充分利用CPU，對海量數據進行高性能分析計算。在進行同樣功能的計算時，DolphinDB在性能上比pandas快1~2個數量級，並且內存佔用通常小於pandas的1/2。但DolphinDB的部署和開發方式都和pandas有顯著區別，用戶若要從pandas遷移到DolphinDB，需要對已有代碼做出大量修改。幸運的是，DolphinDB已經着手開發Orca項目——一個基於DolphinDB引擎的pandas DataFrame API的實現。它讓用戶能夠以pandas的編程風格，同時利用DolphinDB的性能優勢，對海量數據進行高效分析。相比panddas的全內存計算，Orca支持分佈式存儲和計算。對於同樣的數據量，內存佔用一般小於pandas的1/2。
Orca的架構
Orca的頂層是pandas API，底層是DolphinDB數據庫，通過DolphinDB Python API實現Orca客戶端與DolphinDB服務端的通信。Orca的基本工作原理是，在客戶端通過Python生成DolphinDB腳本，將腳本通過DolphinDB Python API發送到DolphinDB服務端解析執行。Orca的DataFrame中只存儲對應的DolphinDB的表的元數據，真正的存儲和計算都是在服務端。
因此，Orca的接口有部分限制：
- Orca的DataFrame中的每個列不能是混合類型，列名也必須是合法DolphinDB變量名。
- 如果DataFrame對應的DolphinDB表是一個分區表，數據存儲並非連續，因此就沒有RangeIndex的概念，且無法將一整個Series賦值給一個DataFrame的列。
- 對於DolphinDB分區表，一部分沒有分佈式版本實現的函數，例如median，Orca暫不支持。
- DolphinDB的空值機制和pandas不同，pandas用float類型的nan作爲空值，而DolphinDB的空值是每個類型的最小值。
- DolphinDB是列式存儲的數據庫。對於pandas接口中，一些axis=columns參數還沒有支持。
- 目前無法解析Python函數，因此，例如
DataFrame.apply,DataFrame.agg等函數無法接受一個Python函數作爲參數。
關於Orca和pandas的詳細差異，以及由此帶來的Orca編程注意事項，請參考Orca使用教程。
安裝
Orca支持Linux和Windows系統，要求Python版本爲3.6及以上，pandas版本爲0.25.1及以上。
Orca項目已經集成到DolphinDB Python API中。通過pip工具安裝DolphinDB Python API，就可以使用Orca。
pip install dolphindb複製代碼Orca是基於DolphinDB Python API開發的，因此，你需要有一個DolphinDB服務器，並通過connect函數連接到這個服務器，然後運行Orca：
>>> import dolphindb.orca as orca
>>> orca.connect(MY_HOST, MY_PORT, MY_USERNAME, MY_PASSWORD)複製代碼如果你已經有現成的pandas程序，可以將pandas的import替換爲：
# import pandas as pd
import dolphindb.orca as pd
pd.connect(MY_HOST, MY_PORT, MY_USERNAME, MY_PASSWORD)複製代碼更多信息