借助 joblib 库,这个库为python 提供了一个非常简洁方便的多进程实现方法
- 首先简单介绍 pandas 中的分组聚合操作 groupby。
- 然后简单介绍 joblib 的使用方法。
- 最后,通过一个去停用词的实验详细介绍如何实现 pandas 中 apply 函数多进程执行。
写的很有用,适合处理一行行统一操作那种代码。
额外收获的经验:对于两张表互相比对的问题,可以将其中一张表变形成dictionary,利用key和value来减少重复的查表操作。
具体而言。
举例:将一段Text中,属于stopWord表中的词都删掉。
做法:首先,遍历Text,统计成词频表WordCount,表中key为词,value为这个词出现的次数。然后,遍历stopWord表,将每一个元素作为WordCount的key,并将value改为-1. 最后再遍历Text,将value不为-1的词保留。
2. python--multiprocessing多进程总结
multiprocessing start(), run(), join() Lock/Event/Semaphore/Condition类
主要用pool类