python - 在 Pandas 中加快处理速度

Question

我正在dataframe垂直处理的一列上比较一个和三个其他的，我想知道这个过程是否可以使用更多的核心/让它更快？我试过concurrent.futures.ProcessPoolExecutor()了，但实际上慢了 1 秒……这是我的代码

       # df_out is main DataFrame, hikari_data_df, kokyaku_data_df, hikanshou_data_df are DF to compare 
        m1 = df_out[self.col_name_].isin(hikari_data_df['phone_num1'])
        m2 = df_out[self.col_name_].isin(hikari_data_df['phone_num2'])
        # Add new column to df_out on place of matching m1 with df_out col
        df_out['new1'] = df_out[self.col_name_].where(m1)
        df_out['new2'] = df_out[self.col_name_].where(m2)

        m1 = df_out[self.col_name_].isin(kokyaku_data_df['phone_number1'])
        m2 = df_out[self.col_name_].isin(kokyaku_data_df['phone_number2'])
        df_out['new3'] = df_out[self.col_name_].where(m1)
        df_out['new4'] = df_out[self.col_name_].where(m2)

        m1 = df_out[self.col_name_].isin(hikanshou_data_df['phone_number'])
        df_out['new5'] = df_out[self.col_name_].where(m1)


        df_out.to_csv(sys.argv[1], index=False)

我希望这个过程更快！

标签： pythonpython-3.xpandasmultiprocessing

Answer 1

首先，如果您的数据不大。尝试将您的“isin”/“where”函数转换为“join/merge”等向量操作。这将花费更多内存，但速度更快。

其次，使用 dask。但是，要小心。如果你的数据不够大。Dask会变慢。