panda dataframe多线程任务处理

 这里的例子将开始日期和结束日期之前展开

线程数=cpu数量 速度提高n呗

#multi threads
from functools import partial
from multiprocessing import Pool
import multiprocessing
import numpy as np
from tqdm import tqdm
tqdm.pandas(desc='pandas bar')
def parallelize_dataframe(df, func, **kwargs):
    CPUs = multiprocessing.cpu_count()
    num_partitions = CPUs # number of partitions to split dataframe
    num_cores = CPUs  # number of cores on your machine

    df_split = np.array_split(df, num_partitions,axis=0)
    pool = Pool(num_cores)
    func = partial(func, **kwargs)
    df = pd.concat(pool.map(func, df_split))
    pool.close()
    pool.join()
    return df
start_date = pd.to_datetime('20200101',format='%Y%m%d')
def process_func(row):
    start=datetime.strptime(str(row['start_date']),'%Y%m%d')
    end=datetime.strptime(str(row['end_date']),'%Y%m%d')
    row['date']=[(start + timedelta(days=i)).strftime('%Y%m%d') for i in range((end - start).days + 1)]
    return row                               
def parall_func(df):
    df = df.progress_apply(process_func,axis=1)
    return df

# 然后把上一步定义好的这个 parall_func 和 数据集,一起放入 parallelize_dataframe
activity_info_pd = parallelize_dataframe(activity_info_pd, parall_func)
activity_info_pd=activity_info_pd.explode('date')

 

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值