作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试实现类似 df.apply 的函数,但在数据帧的 block 之间并行化。我编写了以下测试代码来看看我可以获得多少 yield (与数据复制等相比):
from multiprocessing import Pool
from functools import partial
import pandas as pd
import numpy as np
import time
def df_apply(df, f):
return df.apply(f, axis=1)
def apply_in_parallel(df, f, n=5):
pool = Pool(n)
df_chunks = np.array_split(df, n)
apply_f = partial(df_apply, f=f)
result_list = pool.map(apply_f, df_chunks)
return pd.concat(result_list, axis=0)
def f(x):
return x+1
if __name__ == '__main__':
N = 10^8
df = pd.DataFrame({"a": np.zeros(N), "b": np.zeros(N)})
print "parallel"
t0 = time.time()
r = apply_in_parallel(df, f, n=5)
print time.time() - t0
print "single"
t0 = time.time()
r = df.apply(f, axis=1)
print time.time() - t0
奇怪的行为:对于 N=10^7 有效对于 N=10^8 它给了我一个错误
Traceback (most recent call last):
File "parallel_apply.py", line 27, in <module>
r = apply_in_parallel(df, f, n=5)
File "parallel_apply.py", line 14, in apply_in_parallel
result_list = pool.map(apply_f, df_chunks)
File "/usr/lib64/python2.7/multiprocessing/pool.py", line 227, in map
return self.map_async(func, iterable, chunksize).get()
File "/usr/lib64/python2.7/multiprocessing/pool.py", line 528, in get
raise self._value
AttributeError: 'numpy.ndarray' object has no attribute 'apply'
有人知道这是怎么回事吗?我也非常感谢有关这种并行化方式的任何反馈。我期望函数比每行和数百万行的 inc 或 sum 花费更多的时间。
谢谢!
最佳答案
array_split
接受任何类似数组的参数(包括 pandas.DataFrame
对象),但仅返回保证它返回一个 numpy.ndarray
(DataFrame不是)。当然,ndarrays 没有 apply
方法,这正是您所看到的错误。事实上,我很惊讶这在任何情况下都有效。您需要将数据帧拆分为子帧或应用在 ndarray 上运行的函数。
关于python - pandas 数据帧上的多重处理。基于输入大小的令人困惑的行为,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26665809/
我是一名优秀的程序员,十分优秀!