python
import pandas as pd
from multiprocessing import Pool
def func(row):
# 处理每一行数据的函数
return row
def apply_parallel(df, func, num_processes):
# 将数据分成num_processes份
df_split = np.array_split(df, num_processes)
# 创建进程池
pool = Pool(num_processes)
# 对每一份数据进行处理
df = pd.concat(pool.map(func, df_split))
# 关闭进程池
pool.close()
pool.join()
return df
# 使用原生的多进程apply方法处理数据
df = pd.read_csv('data.csv')
df = apply_parallel(df, func, num_processes=4)
dataframe.apply 多进程调用
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
- 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
推荐阅读更多精彩内容
- 1.笨栗子就是对多进程中调用协程,pool.apply_async(asyncio.get_event_loop(...
- 进程池Pool中的apply方法与apply_async的区别 apply方法是阻塞的。意思就是等待当前子进程执行...
- df_ = pool.apply_async(func=self.select_data_one, args=(t...
- 正在做的app是IM,有前后台进程之分,且交互频繁。 头像的获取,在某些场景下会有前后台调用频繁的情况,而后台回调...