Pandas 是否可以将Series.str.extract与Dask一起使用？

我目前正在处理一个大熊猫数据集，我必须使用。 看起来是这样的：

df['output_col'] = df['input_col'].str.extract(r'.*"mytag": "(.*?)"', expand=False).str.upper()

但是，它工作得很好，因为它必须执行大约十次（使用各种源列），所以性能不是很好。为了通过使用多个内核来提高性能，我想尝试Dask，但它似乎不受支持（我在Dask的文档中找不到任何关于提取方法的参考）

有没有办法同时执行这些行动？ 我发现，基本上您可以将数据帧拆分为多个数据帧，为每个子帧创建一个进程，然后再将它们连接回来。

您最好的选择是使用，它使您能够对系列的各个部分执行常规操作，就像您链接的多处理方法的托管版本一样

def inner(df):
    df['output_col'] = df['input_col'].str.extract(
        r'.*"mytag": "(.*?)"', expand=False).str.upper()
    return df

out = df.map_partitions(inner)

---

由于这是一个字符串操作，您可能需要进程（例如，分布式调度程序）而不是线程。请注意，如果您使用dask（例如，dd.read_csv）加载数据，而不是在内存中创建数据帧，然后将其传递给dask，那么您的性能会更好。

您应该能够像在pandas中这样做。文档部分提到了它，但扩展它可能很有价值

将熊猫作为pd导入
将dask.dataframe作为dd导入
​
s=pd.Series（[“示例”、“字符串”、“有用”]）
ds=来自大熊猫的dd（s，2）
ds.str.extract（“[a-z\s]{4}（.{2}）”，expand=False.str.upper（）.compute（）
0 PL
1纳克
2美国
数据类型：对象

好的，我已经尝试了一个代码示例，它似乎很有效。