Python:我有16个cpu核——这是否意味着当我运行16个Jupyter笔记本时,每个都完全使用一个核?
我有一个大的数据框,从中通过循环获取子集,并对这些数据进行一些分析。我可以简单地复制jupyter笔记本,在数据的不同部分启动算法,然后记录结果,即通过本地csv。在那之后,我会把我的结果重新组合起来 这样行吗?或者当我打开一个新的笔记本时,所有的内核都只使用一个cpu吗?我使用的是一台服务器,所以如果需要,我可以使用多达16个内核 我试着用谷歌搜索,但大多数问题都需要运行jupyter笔记本,在那里你可以访问和写入相同的数据集,我不一定需要上面提到的漫游Python:我有16个cpu核——这是否意味着当我运行16个Jupyter笔记本时,每个都完全使用一个核?,python,performance,split,parallel-processing,jupyter-notebook,Python,Performance,Split,Parallel Processing,Jupyter Notebook,我有一个大的数据框,从中通过循环获取子集,并对这些数据进行一些分析。我可以简单地复制jupyter笔记本,在数据的不同部分启动算法,然后记录结果,即通过本地csv。在那之后,我会把我的结果重新组合起来 这样行吗?或者当我打开一个新的笔记本时,所有的内核都只使用一个cpu吗?我使用的是一台服务器,所以如果需要,我可以使用多达16个内核 我试着用谷歌搜索,但大多数问题都需要运行jupyter笔记本,在那里你可以访问和写入相同的数据集,我不一定需要上面提到的漫游 编辑:也许可以重新表述这个问题:每个打
编辑:也许可以重新表述这个问题:每个打开的jupyter笔记本/内核是否都使用单独的cpu?您应该查看dask。dataframe:谢谢,evamicur:只是快速查看了一下;我有足够的内存使用所有的数据,所以这不是一个问题;我只需要加快整个过程,而不修改实际值(只是因为我不能);因此,我的问题是指向一个快速而肮脏的修复,如果你能发布实际的分析代码,我们也许可以加快速度谢谢你的评价:只是不知道如何将代码“转换”成MWE在这里。。。你知道我上面的问题是什么吗?如果你想让它在很多内核上运行,我认为dask是最简单的方法。根据您的问题,您可能能够进行多进程处理,并对多个进程进行分析