Python-並發運行函數（多個實例）

Question

我構建了一個小函數，該函數將使用第三方API收集一些數據。 如果def MyFunc(Symbol, Field)調用，它將基於給定的符號返回一些信息。

想法是使用類似以下內容的返回值填充Pandas df：

df['MyNewField'] = df.apply(lamba x: MyFunc(x, 'FieldName'))

所有這些都有效， 但每個查詢大約需要100毫秒才能運行。 這似乎很快，直到您意識到自己可能要做30,000或更多（3,000個帶有10個字段的符號供初學者使用）。

我想知道是否有一種方法可以同時運行此請求，因為每個請求都是獨立的？ 我不是在尋找多處理器等庫，而是在同一時間對第三方進行多次查詢的一種方式，以減少收集所有數據所需的時間。 （此外，我想這將改變用於存儲所有接收到的數據的初始結構-我不介意先不使用Apply和我的數據框，而是將接收到的數據保存為文本或庫類型結構-）。

注意：雖然我希望可以更改MyFunc來一次請求多個符號/字段，但這不能在所有情況下都完成（這意味着某些字段不允許這樣做，並且只有一個請求是唯一的方法）。 這就是為什么我要查看並發執行而不是更改MyFunc的原因。

謝謝！

Answer 1

有很多庫可以並行化pandas數據幀。 但是，我更喜歡本機多處理池來執行相同的操作。 另外，我將tqdm與它一起使用以了解進度。

import numpy as np
from multiprocessing import cpu_count, Pool

cores = 4 #Number of CPU cores on your system
partitions = cores #Define as many partitions as you want

def partition(data, num_partitions):
    partition_len = int(len(data)/num_partitions)
    partitions = []

    num_rows = 0
    for i in range(num_partitions-1):
        partition = data.iloc[i*partition_len:i*partition_len+partition_len]
        num_rows = num_rows + partition_len
        partitions.append(partition)

    partitions.append(data.iloc[num_rows:len(data)])
    return partitions

def parallelize(data, func):
    data_split = partition(data, partitions)
    pool = Pool(cores)
    data = pd.concat(pool.map(func, data_split))
    pool.close()
    pool.join()
    return data

df['MyNewField'] = parallelize(df['FieldName'], MyFunc)