Недавно я нашел dask модуль, который должен быть простым в использовании модулем параллельной обработки python. Большая точка продажи для меня заключается в том, что она работает с pandas.
Прочитав немного на своей странице руководства, я не могу найти способ выполнить эту тривиально параллелизуемую задачу:
ts.apply(func) # for pandas series
df.apply(func, axis = 1) # for pandas DF row apply
В настоящий момент для достижения этого в dask, AFAIK,
ddf.assign(A=lambda df: df.apply(func, axis=1)).compute() # dask DataFrame
который является уродливым синтаксисом и на самом деле медленнее, чем прямой
df.apply(func, axis = 1) # for pandas DF row apply
Любое предложение?
Изменить: Спасибо @MRocklin за функцию карты. Он выглядит медленнее обычного pandas. Является ли это связанным с выпуском GIL выпуском pandas, или я делаю это неправильно?
import dask.dataframe as dd
s = pd.Series([10000]*120)
ds = dd.from_pandas(s, npartitions = 3)
def slow_func(k):
A = np.random.normal(size = k) # k = 10000
s = 0
for a in A:
if a > 0:
s += 1
else:
s -= 1
return s
s.apply(slow_func) # 0.43 sec
ds.map(slow_func).compute() # 2.04 sec