并行 python 迭代

Question

我想根据 pandas.DataFrame 中的值创建 class 的多个实例。这个我记下来了。

import itertools
import multiprocessing as mp
import pandas as pd

class Toy:
    id_iter = itertools.count(1)

    def __init__(self, row):
        self.id = self.id_iter.next()
        self.type = row['type']

if __name__ == "__main__":

    table = pd.DataFrame({
        'type': ['a', 'b', 'c'],
        'number': [5000, 4000, 30000]
        })

    for index, row in table.iterrows():
        [Toy(row) for _ in range(row['number'])]

多处理尝试

我已经能够通过添加以下内容来并行化这个（某种程度上）：

pool = mp.Pool(processes=mp.cpu_count())
m = mp.Manager()
q = m.Queue()

for index, row in table.iterrows():
    pool.apply_async([Toy(row) for _ in range(row['number'])])

如果 row['number'] 中的数字比 table 中的数字长得多，这似乎会更快。但是在我的实际情况下，table 有几千行，而每个 row['number'] 都比较小。

尝试将 table 分解为 cpu_count() 块并在 table 中迭代似乎更明智。但现在我们处于我的 python 技能的边缘。

我已经尝试过 python 口译员对我尖叫的事情，例如：

pool.apply_async(
        for index, row in table.iterrows(): 
        [Toy(row) for _ in range(row['number'])]
        )

还有 "can't be pickled"

Parallel(n_jobs=4)(
    delayed(Toy)([row for _ in range(row['number'])]) \
            for index, row in table.iterrows()
)

编辑

这可能让我更接近了一点，但仍然没有。我在一个单独的函数中创建了 class 个实例，

def create_toys(row):
    [Toy(row) for _ in range(row['number'])]

....

Parallel(n_jobs=4, backend="threading")(
    (create_toys)(row) for i, row in table.iterrows()
)

但我被告知 'NoneType' 对象不可迭代。

Answer 1

我有点不清楚你期望的输出是什么。你只想要一个大列表

[Toy(row_1) ... Toy(row_n)]

每个 Toy(row_i) 出现的次数是多少 row_i.number?

根据@JD Long 提到的答案，我认为你可以这样做：

def process(df):
    L = []
    for index, row in table.iterrows():
        L += [Toy(row) for _ in range(row['number'])]
    return L

table = pd.DataFrame({
    'type': ['a', 'b', 'c']*10,
    'number': [5000, 4000, 30000]*10
    })

p = mp.Pool(processes=8)
split_dfs = np.array_split(table,8)    
pool_results = p.map(process, split_dfs)
p.close()
p.join()

# merging parts processed by different processes
result = [a for L in pool_results for a in L]

并行 python 迭代

Parallel python iteration

python

pandas

python-multiprocessing

多处理尝试

编辑