并行python迭代

我想基于pandas.DataFrame中的值创建一个类的实例.我已经失败了.

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种(某种程度)：

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'])])

如果行[‘number’]中的数字明显长于表的长度,这似乎会更快.但在我的实际情况中,表格长达数千行,每行[‘number’]相对较小.

尝试将表拆分为cpu_count()块并在表中进行迭代似乎更聪明.但现在我们处于我的 python 技能的边缘.

我已经尝试过python解释器对我尖叫的事情,比如：

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

还有“无法腌制”的事情

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,但仍然没有.我在一个单独的函数中创建类实例,

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.

对我来说有点不清楚你期望的输出是什么.你只想要一份表格的大清单吗？

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

每个玩具(row_i)出现多重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]