Python 并行处理数据帧
我有一个进程,需要处理数据帧的每一行,然后在每一行追加一个新值。这是一个大数据帧,每次处理一个数据帧需要几个小时 如果我有一个iterrow循环,它将每一行发送给一个函数,我可以并行处理以提高速度吗?行的结果不相关 基本上我的代码是这样的Python 并行处理数据帧,python,pandas,Python,Pandas,我有一个进程,需要处理数据帧的每一行,然后在每一行追加一个新值。这是一个大数据帧,每次处理一个数据帧需要几个小时 如果我有一个iterrow循环,它将每一行发送给一个函数,我可以并行处理以提高速度吗?行的结果不相关 基本上我的代码是这样的 for index, row in df.iterrows(): row['data'] = function[row] 有没有一种简单的方法来加快处理速度?在行上迭代不是一种好的做法,可以使用grouby/transform聚合等替代逻辑,但如果在最
for index, row in df.iterrows():
row['data'] = function[row]
有没有一种简单的方法来加快处理速度?在行上迭代不是一种好的做法,可以使用grouby/transform聚合等替代逻辑,但如果在最坏的情况下确实需要这样做,请按照答案进行操作。此外,您可能不需要在这里重新实现所有内容,您可以使用类似的库,它构建在pandas之上 但为了让大家了解一下,您可以将
多处理
(Pool.map
)与分块
结合使用。阅读chunk中的csv(或按照答案末尾所述制作Chuck)并将其映射到池中,在处理每个chunk时添加新行(或将它们添加到列表并制作新chunk)并从函数返回
最后,在执行所有池时合并数据帧
import pandas as pd
import numpy as np
import multiprocessing
def process_chunk(df_chunk):
for index, row in df_chunk.reset_index(drop = True).iterrows():
#your logic for updating this chunk or making new chunk here
print(row)
print("index is " + str(index))
#if you can added to same df_chunk, return it, else if you appended
#rows to have list_of_rows, make a new df with them and return
#pd.Dataframe(list_of_rows)
return df_chunk
if __name__ == '__main__':
#use all available cores , otherwise specify the number you want as an argument,
#for example if you have 12 cores, leave 1 or 2 for other things
pool = multiprocessing.Pool(processes=10)
results = pool.map(process_chunk, [c for c in pd.read_csv("your_csv.csv", chunksize=7150)])
pool.close()
pool.join()
#make new df by concatenating
concatdf = pd.concat(results, axis=0, ignore_index=True)
注意:您可以通过相同的逻辑传递卡盘,而不是读取csv,要计算块大小,您可能需要round_((df长度)/(可用芯数-2))
eg100000/14=round(7142.85)=7150行
results = pool.map(process_chunk,
[df[c:c+chunk_size] for c in range(0,len(df),chunk_size])
与其使用df.iterrows()
不如使用像apply()
这样的向量化方法
.apply()是对列/行执行迭代的一种方法。它利用矢量化技术,将简单和复杂操作的执行速度提高了许多倍
查看本文以了解其区别
其他选择是查看Dask
,Vaex
,或者只是查看一下Dask。根据我的经验,如果您在数据帧中循环,您可能没有按熊猫的方式进行。正如@Jarad所说,您可能不想迭代。查看是否存在矢量化备选方案(不适用,取决于函数
是否有更好的选项)--请参阅,并打开此选项。
df.apply(function, axis=1)