pandas.mdc

Pandas-Best-Practices (Vektorisierung, Datentypen)

Für wen: Data Scientists

So nutzt du es

Datei in deinem Projekt unter .cursor/rules/ ablegen (modernes .mdc-Format) oder den Inhalt in den Cursor-Einstellungen unter Rules einfügen. Cursor hält sich ab dann in diesem Projekt an die Regeln — z. B. Stack-Konventionen und Code-Stil.

Im Detail

Kompakte Regelsammlung für sauberen Pandas-Code: Vektorisierung statt Schleifen, korrekte Datentypen und Vermeidung typischer Performance-Fallen bei großen DataFrames. Der Nutzen liegt darin, dass ein KI-Assistent von sich aus idiomatischen, performanten Pandas-Code vorschlägt statt naiver Row-by-Row-Iteration, die bei größeren Datenmengen schnell zum Flaschenhals wird. Lohnt sich für Data Scientists und Analysten, die regelmäßig mit Pandas arbeiten und KI-generierten Code nicht nachträglich auf Performance umschreiben wollen. Für reine Prototyping-Skripte mit kleinen Datenmengen ist der Effekt gering; den größten Unterschied macht es bei Produktions-Pipelines oder wiederkehrenden Analysen mit größeren Datensätzen.

Praxis-Tipp

Sag explizit “vektorisiert” im Prompt, z. B. “berechne die Spalte vektorisiert, keine .apply()-Schleife” – dann greift die Regel am zuverlässigsten.

Siehe auch

• python.mdc

Lizenz & Quelle

• Lizenz: CC0-1.0
• Quelle: github.com/sanjeed5/awesome-cursor-rules-mdc

Lade …