python - 使用 Pool 在 Python 中进行多重处理

Question

我想使用 Python 在数据帧上并行化函数。我看了教程，找到了一些代码。我已根据我的需要对其进行了调整。当我执行 map 函数时，程序卡住。代码看起来很可靠。我想知道问题出在哪里。

import pandas as pd
import numpy as np
from multiprocessing import cpu_count, Pool

attributes1 = pd.read_csv('attributes1.csv')


def replace_data(data):
    for i in range(0, len(data.index)):
        temp = data.iloc[i, 1]
        temp = temp.replace('in.', 'inch')
        data.iloc[i, 1] = temp
    return data

num_partitions = 10 #number of partitions to split dataframe
num_cores = cpu_count() #number of cores on your machine

def parallelize_dataframe(df, func):
    df_split = np.array_split(df, num_partitions)
    pool = Pool(num_cores)
    df = pd.concat(pool.map(func, df_split))
    pool.close()
    pool.join()
    return df

df1 = parallelize_dataframe(attributes1, replace_data)

Answer 1

这仅是 Windows 用户的问题。首先，我创建了另一个 .py 文件，将其命名为 helpy.py，其中有我的 Replace_data 函数

def replace_data(data):
    for i in range(0, len(data.index)):
        temp = data.iloc[i, 1]
        temp = temp.replace('in.', 'inch')
        data.iloc[i, 1] = temp
    return data

然后我将函数导入到主 .py 文件中。

import pandas as pd
import numpy as np
from multiprocessing import cpu_count, Pool
from helpy import replace_data

attributes1 = pd.read_csv('attributes1.csv')


num_partitions = 10 #number of partitions to split dataframe
num_cores = cpu_count() #number of cores on your machine

    def parallelize_dataframe(df, func):
        df_split = np.array_split(df, num_partitions)
        pool = Pool(num_cores)
        df = pd.concat(pool.map(func, df_split))
        pool.close()
        pool.join()
        return df

    if __name__ == '__main__':
        df1 = parallelize_dataframe(attributes1, replace_data)

我还添加了if __name__ == '__main__':现在程序运行顺利。