讲师中心 微信公众号

工具推荐

视频效率加速
updream

一键生成高质量推广成片

AniShort
AniShort

AI短剧协同制作平台

立刻MV
立刻MV

低成本歌曲 MV、视频生成

Laper
Laper

剧本策划到成片协作

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

发布时间:2026-11-21 09:45:52

|

777人浏览过

|

来源于php中文网

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">
                                                        <div class="artcardd flexRow">
                                                                <a class="aritcle_card_img" 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" ></a>
                                                                <div class="aritcle_card_info flexColumn">
                                                                        <a 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">使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中</a>
                                                                        <p>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 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><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/00968c3c2c15" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">Python免费学习笔记(深入)</a>”;</p><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。

热门AI工具

更多
超级简历WonderCV

一款AI办公效率工具,主要用于免费求职简历模版下载制作,应届生职场人必备简历制作神器,适合需要提升相关任务效率的用户。

创客贴AI

创客贴AI是一款AI图像与设计工具,AI辅助的智能在线设计工具。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

SoundView
SoundView Hot

SoundView是一款面向跨境电商的视频翻译、配音和本地化 AI 创作平台。

Laper
Laper Hot

Laper是专为编剧、导演和制片人推出的 AI 原生剧本创作工具。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

二狗PPT
二狗PPT Hot

一款AI演示文稿工具,主要用于专为中式职场打造的AI PPT生成工具,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

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。

1971

2023.07.20

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。

5624

2023.07.25

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。

1909

2023.07.31

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。

34537

2023.08.03

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。

4027

2023.08.04

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。

4027

2023.08.04

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。

1303

2023.08.11

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。

636

2023.08.10

Nginx CVE-2026-123007排查与防护指南
Nginx CVE-2026-123007排查与防护指南

Nginx HTTP/2漏洞该怎么修复?本专题围绕CVE-2026-123007,介绍安全版本升级、模块兼容检查和配置恢复方法,以及日志排查、权限设置等后续加固操作,方便你按实际部署情况查找对应教程。

0

2026.11.20

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
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn