guuvestВестник университетаVestnik Universiteta1816-42772686-8415State University of Management10.26425/1816-4277-2024-7-44-53guuvest-5407Research ArticleСТРАТЕГИИ И ИННОВАЦИИSTRATEGIES AND INNOVATIONSОбработка больших массивов данных в Python для целей прикладных социально-экономических исследований: преимущества и актуальные вопросыProcessing large amounts of data in Python for the purposes of applied socio-economic research: advantages and current issueshttps://orcid.org/0000-0001-9733-4821КонищевЕ. С.KonishchevE. S.

Конищев Евгений Сергеевич, Аспирант, мл. науч. сотр.

г. Москва

Evgeniy S. Konishchev, Postgraduate Student, Junior Researcher

Moscow

eskonishchev@fa.ruФинансовый университет при Правительстве Российской ФедерацииРоссияFinancial University under the Government of the Russian FederationRussian Federation202429082024074453Copyright © Конищев Е.С., 20242024Конищев Е.С.Konishchev E.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.guu.ru/jour/article/view/5407

Статья посвящена исследованию особенностей процессов обработки больших массивов данных с  помощью языка программирования Python. В   отличие от   табличных процессоров или готовых программных продуктов, языки программирования предлагают пользователю гибкий инструментарий для реализации поставленных задач. Вместе с  тем это создает определенные риски, связанные с   эффективностью использования соответствующих инструментов и   оптимизации работы программы. Целью статьи является изучение особенностей обработки больших массивов данных в   Python на  примерах непосредственных исследовательских задач. Актуальность темы и  цели статьи обусловлена существующим научным пробелом, связанным с   комплексным рассмотрением технических аспектов использования языков программирования и   сопряженного инструментария для социально-экономических исследований. Так, многие авторы, которые применяют языки программирования в  своих работах, крайне редко предоставляют информацию, касающуюся преимуществ определенных алгоритмов или подходов. В   рамках статьи автор на   примере конкретных исследовательских задач рассматривает процессы и  алгоритм обработки большого массива данных. В  заключении сделаны выводы об  особенностях и   преимуществах Python при работе с  большими массивами данных, а   также о  перспективности развития соответствующей научной тематики.

The article is  devoted to  the study of   the features of   processing large amounts of   data using the Python programming language. Unlike tabular processors or   finished software products, programming languages offer the user a   flexible toolkit for the implementation of   tasks. At   the same time, this creates certain risks associated with the effectiveness of  using appropriate tools and optimising the operation of   the programme. The purpose of   the article is   to study the features of   processing large amounts of   data in   Python on  the  examples of   immediate research tasks. The relevance of   the topic and purpose of  the article is   due to   the existing scientific gap related to a  comprehensive consideration of   the technical aspects of   the use of  programming languages and associated tools for socio-economic research. Thus, many authors who use programming languages in   their works rarely provide information regarding the advantages of   certain algorithms or  approaches. Within the framework of  the article, the author examines the procedures and algorithm of   processing a   large array of   data on   the example of   specific research tasks. The conclusions are drawn about the features and advantages of   Python when working with large amounts of   data as   well as  about the prospects for the development of   the relevant scientific topics.

язык программированияPythonанализ данныхобработка данныхбольшие массивы данныхалгоритм обработкиприкладные исследованиясоциально-экономические исследованиятехнические аспектынаучная работаprogramming languagePythondata analysisdata processinglarge data setsprocessing algorithmapplied researchsocio-economic researchtechnical aspectsscientific workСтатья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию Финансового университета при Правительстве Российской Федерации.The article has been prepared based on the results of research conducted at the expense of budgetary funds according to the state assignment of the Financial University under the Government of the Russian Federation.ReferencesЦыпин А.П., Сорокин А.С. Статистические пакеты программ в социально-экономических исследованиях. Азимут научных исследований: экономика и управление. 2016;4(17(5):379–384.Tsypin A.P., Sorokin A.S. Statistical software packages in social and economic researches. Azimut of Scientific Research: Economics and Administration. 2016;4(17(5):379–384. (In Russian).Карпович А.О. Способы обработки экономической информации посредством языка программирования Python. В кн.: XVI Машеровские чтения: материалы международной научно-практической конференции студентов, аспирантов и молодых ученых, том 1, Витебск, 21 октября 2022 г. Витебск: Витебский государственный университет имени П.М. Машерова; 2022. С. 31–32.Karpovich A.O. Methods of processing economic information through the Python, programming language. In: XVI Ma-sherov readings: Proceedings of the International Scientific and Practical Conference of Students, Postgraduate Students and Young Scientists, volume 1, Vitebsk, October 21, 2022. Vitebsk: Vitebsk State University named after P.M. Masherov; 2022. Pp. 31–32. (In Russian).Рабинович А.Е., Седова Е.А. Постановка первоначальных аналитических гипотез с использованием визуализации данных на примере изучения влияния социально-экономических факторов на состояние психического здоровья населения. Российский экономический интернет-журнал. 2020;4:44–52.Rabinovich A.E., Sedova E.A. Statement of initial analytical hypotheses using data visualization on the example of studying the influence of socio-economic factors on the state of mental health of the population. Russian Economics online journal. 2020;4:44–52. (In Russian).Русинова М.Р. Стратегирование развития территориальных социально-экономических систем на основе использования инструментария «умного» бенчмаркинга. Дис. ... канд. экон. наук: 08.00.05. Пермь: Пермский национальный исследовательский политехнический университет; 2021. 152 с.Rusinova M.R. Strategizing the development of territorial socio-economic systems based on the use of “smart” benchmarking tools. Diss. ... Cand. Sci. (Econ.): 08.00.05. Perm: Perm National Research Polytechnic University; 2021. 152 p. (In Russian).Семенюта О.Г., Дубинина И.В., Дегтярев А.С. Совершенствование инструментария идентификации ключевых социально-экономических факторов влияния на рынок ипотечного жилищного кредитования России. Финансовые исследования. 2021;4(73):106–113.Semenyuta O.G., Dubinina I.V., Degtyarev A.S. Improvement of tools to identify key socio-economic factors of influence on the market of housing mortgage lending in Russia. Financial Research. 2021;4(73):106–113. (In Russian).Rungskunroch P., Shen Z.-J., Kaewunruen S. Benchmarking socio-economic impacts of high-speed rail networks using k-nearest neighbour and Pearson’s correlation coefficient techniques through computational model-based analysis. Applied Sciences. 2022,3(12). http://dx.doi.org/10.3390/app12031520Rungskunroch P., Shen Z.-J., Kaewunruen S. Benchmarking socio-economic impacts of high-speed rail networks using k-nearest neighbour and Pearson’s correlation coefficient techniques through computational model-based analysis. Applied Sciences. 2022,3(12). http://dx.doi.org/10.3390/app12031520Chen M.-Y., Chen T.-H. Modeling public mood and emotion: blog and news sentiment and socio-economic phenomena. Future Generation Computer Systems. 2019;96:692–699. http://dx.doi.org/10.1016/j.future.2017.10.028Chen M.-Y., Chen T.-H. Modeling public mood and emotion: blog and news sentiment and socio-economic phenomena. Future Generation Computer Systems. 2019;96:692–699. http://dx.doi.org/10.1016/j.future.2017.10.028

The authors declare that there are no conflicts of interest present.