- 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?
我想在大型数据集上使用多重处理来查找两列的乘积,并使用参数中的给定参数过滤数据集。我构建了一个测试集,但我无法让多重处理在该集上工作。
首先,我尝试在parallelize_dataframe函数中划分数据集,然后在subset_col函数中应用乘法函数和过滤函数。稍后我将完整的数据集附加回parallelize_dataframe。
import numpy as np
import pandas as pd
from multiprocessing import Pool
from multiprocessing import Lock
df = pd.DataFrame({'col1': [1, 0, 1, 1, 1, 0, 0, 1, 0, 1],
'col2': ['aa', 'aa', 'aa', 'bb', 'bb', 'bb', 'bb', 'cc', 'cc', 'cc'],
'col3': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
'col4': [21, 22, 23, 24, 25, 26, 27, 28, 29, 30]})
def subset_col(df, p):
print("Working with number: " + str(p))
df[col5] = df[col3]*df[col4]
df= df[df['col1'] == p]
def parallelize_dataframe(df, p, func, n_cores=80):
df_split = np.array_split(df, n_cores)
pool = Pool(n_cores)
df = pd.concat(pool.map(func, df_split, p))
pool.close()
pool.join()
return df
df3 = parallelize_dataframe(df,1,subset_col)
结果应该是 col3 和 col4 的乘积,其中 col1 用值过滤。但我总是收到错误消息:
File "<stdin>", line 1, in <module>
File "<stdin>", line 4, in parallelize_dataframe
struct.error: 'i' format requires -2147483648 <= number <= 2147483647
但是,如果我从所有函数中删除过滤器“p”,它就完全可以正常工作。有人可以帮我调试这个吗?
最佳答案
来自 multiprocessing.Pool.map 的官方文档,它“仅支持一个可迭代参数”。因此,您需要更改 subset_col
的接口(interface)以采用单个参数。此外,您忘记创建列字符串,从而导致名称错误。为了减少计算量,应该在乘法之前进行过滤。然后应该返回一个值,除非您的函数仅通过副作用运行(我假设您不希望这样做,因为您连接了池结果)。
def subset_col(pair):
df, p = pair
print("Working with number: " + str(p))
df = df[df['col1'] == p].copy()
df['col5'] = df['col3']
return df
接下来,我们需要修复您调用 pool.map 的方式,因为根据您正在执行的操作,它应该只需要 2 个参数(第三个,最后一个参数是 chunksize)。由于您希望每个进程使用相同的 p
,因此我们将使用 p
的重复值将 dfs
压缩在一起。另外,请考虑使用上下文管理器来处理关闭资源。
def parallelize_dataframe(df, p, func, n_cores=None):
if n_cores is None:
n_cores = os.cpu_count()
dfs = np.array_split(df, n_cores)
pairs = zip(dfs, itertools.repeat(p))
with Pool(n_cores) as pool:
result = pool.map(func, pairs)
df = pd.concat(result)
return df
现在可以正确返回新的数据帧。但我对你是否拥有 80 核的机器表示怀疑。考虑实现 n_cores=None
让 Python dynamically figure out使用 os.cpu_count
df3 = parallelize_dataframe(df, 1, subset_col)
根据您对 Pool.starmap
变体的请求:
def subset_col(df, p):
# remove unpacking line
...
def parallelize_dataframe(df, p, func, n_cores=None):
...
# change `pool.map(...)` to `pool.starmap(...)`
...
但是您应该注意,Pool
不提供 imap
或 imap_unordered
替代 starmap
,它们是两个惰性求值版本在是否保留顺序方面有所不同。
关于python - 添加额外的随机参数作为 python 3.4.7 中 pool.map 函数的参数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58724956/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!