有声,完美世界txt下载,有声小说

眾所周知，由于GIL的存在，Python單進程中的所有操作都是在一個CPU核上進行的，所以為了提高運行速度，我們一般會采用多進程的方式。而多進程無非就是以下幾種方案：

multiprocessing
concurrent.futures.ProcessPoolExecutor()
joblib
ppserver
celery

這些方案對于普通Pandas玩家來說都不是特別友好，怎樣才能算作一個友好的并行處理方案？

那就是原來的邏輯我基本不用變，僅修改需要計算的那行就能完成我們目標的方案，而 pandarallel 就是一個這樣友好的工具。

沒有并行計算（原始pandas）

pandarallel

df.apply(func)

df.parallel_apply(func)

df.applymap(func)

df.parallel_applymap(func)

df.groupby(args).apply(func)

df.groupby(args).parallel_apply(func)

df.groupby(args1).col_name.rolling(args2).apply(func)

df.groupby(args1).col_name.rolling(args2).parallel_apply(func)

df.groupby(args1).col_name.expanding(args2).apply(func)

df.groupby(args1).col_name.expanding(args2).parallel_apply(func)

series.map(func)

series.parallel_map(func)

series.apply(func)

series.parallel_apply(func)

series.rolling(args).apply(func)

series.rolling(args).parallel_apply(func)

可以看到，在 pandarallel 的世界里，你只需要替換原有的 pandas 處理語句就能實現多CPU并行計算。非常方便、非常nice.

在4核CPU的性能測試上，它比原始語句快了接近4倍。測試條件（OS: Linux Ubuntu 16.04，Hardware: Intel Core i7 @ 3.40 GHz - 4 cores），這就是我所說的，它把CPU充分利用了起來。

下面就給大家介紹這個模塊怎么用，其實非常簡單，任何代碼只需要加幾行代碼就能實現質的飛躍。

1.準備

開始之前，你要確保Python和pip已經成功安裝在電腦上，如果沒有，可以訪問這篇文章：超詳細Python安裝指南進行安裝。

**(可選1) **如果你用Python的目的是數據分析，可以直接安裝Anaconda：Python數據分析與挖掘好幫手—Anaconda，它內置了Python和pip.

**(可選2) **此外，推薦大家用VSCode編輯器，它有許多的優點：Python 編程的最好搭檔—VSCode 詳細指南。

請選擇以下任一種方式輸入命令安裝依賴 ：

Windows 環境打開 Cmd (開始-運行-CMD)。
MacOS 環境打開 Terminal (command+空格輸入Terminal)。
如果你用的是 VSCode編輯器或 Pycharm，可以直接使用界面下方的Terminal.

pip install pandarallel

對于windows用戶，有一個不好的消息是，它只能在Windows的linux子系統上運行（WSL），你可以在微軟官網上找到安裝教程：

https://docs.microsoft.com/zh-cn/windows/wsl/about

2.使用Pandarallel

使用前，需要對Pandarallel進行初始化：

from pandarallel import pandarallel
pandarallel.initialize()

這樣才能調用并行計算的API，不過 initialize 中有一個重要參數需要說明，那就是 nb_workers ，它將指定并行計算的Worker數，如果沒有設置，所有CPU的核都會用上。

Pandarallel一共支持8種Pandas操作，下面是一個apply方法的例子。

import pandas as pd
import time
import math
import numpy as np
from pandarallel import pandarallel

# 初始化
pandarallel.initialize()
df_size = int(5e6)
df = pd.DataFrame(dict(a=np.random.randint(1, 8, df_size),
                       b=np.random.rand(df_size)))
def func(x):
    return math.sin(x.a**2) + math.sin(x.b**2)

# 正常處理
res = df.apply(func, axis=1)

# 并行處理
res_parallel = df.parallel_apply(func, axis=1)

# 查看結果是否相同
res.equals(res_parallel)

其他方法使用上也是類似的，在原始的函數名稱前加上 parallel_，比如 DataFrame.groupby.apply：

import pandas as pd
import time
import math
import numpy as np
from pandarallel import pandarallel

# 初始化
pandarallel.initialize()
df_size = int(3e7)
df = pd.DataFrame(dict(a=np.random.randint(1, 1000, df_size),
                       b=np.random.rand(df_size)))
def func(df):
    dum = 0
    for item in df.b:
        dum += math.log10(math.sqrt(math.exp(item**2)))
        
    return dum / len(df.b)

# 正常處理
res = df.groupby("a").apply(func)
# 并行處理
res_parallel = df.groupby("a").parallel_apply(func)
res.equals(res_parallel)

又比如 DataFrame.groupby.rolling.apply：

import pandas as pd
import time
import math
import numpy as np
from pandarallel import pandarallel

# 初始化
pandarallel.initialize()
df_size = int(1e6)
df = pd.DataFrame(dict(a=np.random.randint(1, 300, df_size),
                       b=np.random.rand(df_size)))
def func(x):
    return x.iloc[0] + x.iloc[1] ** 2 + x.iloc[2] ** 3 + x.iloc[3] ** 4

# 正常處理
res = df.groupby('a').b.rolling(4).apply(func, raw=False)
# 并行處理
res_parallel = df.groupby('a').b.rolling(4).parallel_apply(func, raw=False)
res.equals(res_parallel)