如何解决在熊猫DataFrame上进行多重处理
我在Dataframe列上应用了一个函数,但是我想使其变得更快,因为该函数在串行完成时会占用大量处理时间。
df[df['codes']=='None']['q'][:1].apply(lambda x: clf(x,candidate_labels))
通常,单行只需要2.52 secs
来运行,但是使用多处理来运行下面的代码时,它需要花费更长的时间51.61 secs
,而我大约需要2500 rows
来进行处理,因此需要大量时间才能运行该功能。我希望至少加快20%
的速度。
import multiprocessing
import pandas as pd
import numpy as np
def clf(x):
...
return list
def _apply_df(args):
df,func,kwargs = args
return df.apply(func,**kwargs)
def apply_by_multiprocessing(df,**kwargs):
workers = kwargs.pop('workers')
pool = multiprocessing.Pool(processes=workers)
result = pool.map(_apply_df,[(d,kwargs)
for d in np.array_split(df,workers)])
pool.close()
return pd.concat(list(result))
if __name__ == '__main__':
tart_time = time.time()
res=apply_by_multiprocessing(df[df['codes']=='None']['q'][:1],clf,workers=4)
print(res)
print("--- %s seconds ---" % (time.time() - start_time))
## run by 4 processors
我也尝试过不同的迭代进行多处理,但是似乎没有一个可以加快流程,因为它们会使我的代码变慢。
from pandarallel import pandarallel
import time
pandarallel.initialize(progress_bar=True)
start_time = time.time()
categories = df[df['codes']=='None']['q'][:10].parallel_apply(lambda x: clf(x,candidate_labels))
print("--- %s seconds ---" % (time.time() - start_time))
另一个实验:
import multiprocessing as mp
def clf:
...
return list
if __name__ == '__main__':
p = mp.Pool(processes=8)
pool_results = p.map(clf,df[df['codes']=='None']['q'][:1])
p.close()
p.join()
解决方法
也许您可以使用此功能: https://github.com/xieqihui/pandas-multiprocess
pip install pandas-multiprocess
from pandas_multiprocess import multi_process
args = {'workers': 4}
result = multi_process(func=clf,data=df,num_process=8,**args)
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。