Python中Pandas处理百万级数据时怎么用swifter加速

风伟大大_1052

风伟大大_1052

2026-11-21

777人浏览

原创

swifter不是“一加就快”的银弹,其默认不启用多进程,对百万级轻量函数数据常退化为单线程且无提示;必须显式set_npartitions并确保函数可序列化,否则无效。

python中pandas处理百万级数据时怎么用swifter加速

swifter 不是“一加就快”的银弹,它默认甚至不启用多进程;对百万级数据,盲目调用 .swifter.apply() 可能比原生 pandas.apply() 更慢——尤其当函数轻量、数据含不可序列化对象或未显式配置分区时。

swifter 为什么对百万行数据经常没反应

swifter 的默认行为是:用前 1000 行样本预估单线程耗时,再决定是否并行。百万行数据若每行处理仅需微秒级(比如 lambda x: x + 1),预估逻辑会判定“不值得并行”,直接退回到单线程,且不提示你。

  • 它不会因数据量大就自动开启 multiprocessing —— 必须显式干预
  • 若列中含 lambda、嵌套类实例、文件句柄等不可 pickle 对象,swifter 静默回退,不报错也不警告
  • 字符串列默认被禁用 Dask 后端,.swifter.apply() 实际走的是单线程 pandas

强制启用 multiprocessing 的唯一可靠写法

不能靠链式调用(如 df['col'].swifter.apply(...))指望它自动选后端。必须提前设置分区数,并确保函数可序列化:

import swifter
import pandas as pd
<h1>确保函数是模块级定义的(非 lambda、非闭包)</h1><p>def cpu_heavy_func(x):
return x *<em> 2 + x </em> 0.5  # 真实计算开销 > 1ms/行才值得并行</p><h1>✅ 正确:显式 set_npartitions 触发 multiprocessing</h1><p>df['result'] = df['col'].swifter.set_npartitions(4).apply(cpu_heavy_func)</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill13660" title="使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中"><img
														src="https://img.php.cn/upload/skill/001/246/273/6adaf20dee630206.jpg" alt="使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/skill13660" title="使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中" class="overflowclass">使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中</a>
													<p class="overflowclass">当现有的脚本或服务需要将作用域化的仓库工作委托给 Claude Code 并以编程方式消费结构化响应时,请使用 Claude Agent SDK for Python。</p>
												</div>
												<a rel="nofollow" href="/xiazai/skill13660" title="使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div><h1>✅ 若含字符串列,还需启用 Dask 字符串支持</h1><p>swifter.allow_dask_on_strings(enable=True)</p>
  • set_npartitions(4) 显式指定进程数,不填则用 os.cpu_count(),但过多进程反而引发调度开销
  • 函数必须可被 pickle:定义在模块顶层,不引用 self、globals() 或本地作用域变量
  • 避免在 apply 中做 I/O(如读文件、查数据库),multiprocessing 下连接对象无法跨进程传递

比 swifter 更快的替代方案(别只盯着 apply)

对百万级数据,swifter.apply() 往往不是最优解。真正起效的加速路径是绕过 apply 本身:

  • 数学运算 → 直接用 df['a'] * df['b'] + df['c'],底层走 NumPy C 循环,快 50–200 倍
  • 条件赋值 → 用 np.where(df['e'] == 10, df['c'] * df['d'], ...) 或 df.loc[mask, 'col'] = ...
  • 字符串操作 → 全部走 df['text'].str.contains()、.str.split() 等向量化方法,不 hand-roll 循环
  • 复杂逻辑仍需 Python 函数 → 改用 @numba.jit(nopython=True) 编译,比 multiprocessing 启动更快、无序列化开销

swifter 的真实价值,是在你**不得不写 apply** 且函数确实 CPU 密集(如解析 JSON 字段、计算地理距离、自定义统计量)时,提供一个低侵入的并行开关;但它不会修复设计层面的低效——比如该向量化却写了 apply,再怎么设 npartitions 也救不回来。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5624

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1909

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34537

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3143

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程