分组聚合使用多进程

1.创建数据。

复制代码
 1 import pandas as pd
 2 import numpy as np
 3 import uuid
 4 import random
 5 
 6 def get_id():
 7     return uuid.uuid1()
 8 
 9 all_data = []
10 for _ in range(1000000):
11     now_id = get_id()
12     all_data.append([now_id, now_id, 3, 4])
13     if random.randint(0,1):
14         all_data.append([now_id, now_id, None, None])
15     
16 
17 
18 
19 data = pd.DataFrame(all_data)
20 data.columns = ['name','age','high','breadth']
21 print 'done'
复制代码

2. 分组聚合

复制代码
 1 import time
 2 import bottleneck as bk
 3 import multiprocessing
 4 
 5 # def do_pool(func, args):
 6 #     pool = multiprocessing.Pool(2)
 7 #     pool_res = pool.map(func, args)
 8 #     pool.close()
 9 #     pool.join()
10 #     return pool_res
11 
12 # def agg_t(df):
13 #     return group.agg(['max'])
14 start = time.time()
15 
16 data_grouped = data.groupby(['name','age']).agg([bk.nanmin])
17 print 'Start aggregation!'
18 
19 # tobe_agg = [group for name, group in data_grouped if len(group) > 1]
20 
21 # print len(tobe_agg)
22 print time.time() -start
23 # do_pool(agg_t,tobe_agg)
复制代码

 

posted @   有虫子啊  阅读(348)  评论(0编辑  收藏  举报
编辑推荐:
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
阅读排行:
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 【译】Visual Studio 中新的强大生产力特性
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 【设计模式】告别冗长if-else语句:使用策略模式优化代码结构
历史上的今天:
2017-10-21 python 字符串、列表、字典相关内建方法
点击右上角即可分享
微信分享提示