如何解决Modin df iterrows 非常缓慢有什么办法可以加快速度吗？
我有一个约 120k 行的 modin 数据框。我想合并它的一些列。 Modin df iterrows 花费了很多时间，所以我尝试使用 numpy.where。 Numpy.where 在等效的 Pandas df 上 5-10 分钟内完成，但 modin df 上的相同操作需要约 30 分钟。有没有其他方法可以加快 modin 数据帧的这项任务？
[cols_to_be_coalesced] --> 此列表包含要合并的列的列表。它包含 10-15 列。
代码：
for COL in [cols_to_be_coalesced]:
df['COL'] = np.where(df['COL']!='',df['COL'],df['COL_X'])
如果 df 是 pandas 数据帧，它会在大约 10 分钟内执行，但如果是 modin 数据帧，则需要大约 30 分钟。那么 numpy.where 是否有任何等效的代码用于 modin 数据帧来加速此操作？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
