pandas 多进程处理数据框

我假设看到这里的朋友都已经掌握了 apply。

核心函数:

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)
    pool = Pool(num_cores)
    func = partial(func, **kwargs)
    df = pd.concat(pool.map(func, df_split))
    pool.close()
    pool.join()
    return df

一个具体的例子(仔细看注释):

import seaborn as sns
import numpy as np
import pandas as pd
from functools import partial
from multiprocessing import Pool
import multiprocessing

# 这个函数就是用来做多线程的,输入是你要处理的数据框和相应的函数
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)
    pool = Pool(num_cores)
    func = partial(func, **kwargs)
    df = pd.concat(pool.map(func, df_split))
    pool.close()
    pool.join()
    return df

# 导入 iris 数据集
iris = pd.DataFrame(sns.load_dataset('iris'))

# 首先你需要定义好你要对每一行处理的函数
def count(x):
    return len(x)

# 然后需要定义一个使用上述count函数的parall_func函数
def parall_func(df):
    df['length_of_word'] = df['species'].apply(count)
    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
iris = parallelize_dataframe(iris, parall_func)
  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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