Modin.pandas使用多核CPU加速pandas？Modin.pandas可以代替pandas？看看就知道了

最新推荐文章于 2024-07-18 08:31:24 发布

一只前进的蚂蚁

最新推荐文章于 2024-07-18 08:31:24 发布

阅读量3.9k

点赞数 3

分类专栏：优化文章标签： python 大数据数据分析机器学习

本文链接：https://blog.csdn.net/qq_35869630/article/details/105932370

版权

本文探讨了Modin.pandas如何利用多核CPU加速数据处理，对比了与原生pandas在apply、groupby和read_csv操作上的性能。测试结果显示，Modin在某些任务上表现出速度提升，但在groupby操作上并不一定快于pandas。作者提醒，尽管Modin能提升效率，但部分功能仍有待完善，使用时需注意。

摘要由CSDN通过智能技术生成

答案先写在开头，免得你们直接拉到下面看结果~
modin.pandas 确实能使得一部分函数使用多核cpu进行加速处理，但是现在有些功能还不完善，有些函数还是用的默认pandas处理…
具体哪些函数是可以加速的可以往下看看
主要测试了apply，groupby，read_csv

一、Modin.pandas

在讲modin之前，简单介绍一下pandas，pandas主要是python用来处理数据的时候用到的一个库，并且为了追求效率，并不是用python写的，底层逻辑用的是c语言。而且对于各种计算逻辑已经被开发者开发到相对优秀的程度了。
但是即便如此，由于python本身语言的特点，pandas也只能在单核上进行计算，因此在考虑加速pandas处理大量数据的时候，使用多核cpu也就成为第一考虑目标了。
这个时候Modin项目就出现了。
Modin是加州大学伯克利分校RISELab的早期项目，旨在促进分布式计算在数据科学中的应用。它是一个多进程Dataframe库，具有与pandas相同的API，允许用户加速其Pandas工作流程。

总而言之，modin.pandas就是在pandas的基础之上多封装了一层使用多核cpu进行加速计算。

废话不多说，我们直接看试验结果。

二、Modin.pandas试验

测试代码如下


def pandas_test():
    import pandas as pd
    from time import time
    df = pd.DataFrame(zip(range(1000000),range(1000000,2000000)),columns=['a','b'])
    start = time()
    df['c'] = df.apply(lambda x:x.a+x.b ,axis=1