无法在 pandas linux 中使用 CPU 的所有核心

Question

我正在尝试使用 CPU 的所有内核，对于 NumPy，我可以使用所有内核，但是当我在 pandas 中执行某些操作时，它再次只使用一个 CPU 内核。我试图设置最大线程和其他参数，但没有任何效果。

例如，

def a(x):
  #### # performing a lot of operations and checks. 

## df.groupby(column_A).apply(a).reset_index()

当系统执行 Numpy 操作时，那个时候 CPU 占用了大部分核心，但对于 pandas，一切都在单个核心上运行。

Answer 1

Pandas 的 groupby 是在纯 python 中实现的（参见source），并且受 CPython 的 GIL（全局解释器锁）限制为单线程执行。库可以选择自己处理线程安全并在密集计算期间释放 GIL，或者运行可能自身产生“不受限制”线程的本机代码。

您可以尝试在没有 GIL 的 IronPython 上运行您的代码，但是看一眼 Pandas 的代码，我没有看到任何线程，所以我不确定它是否会有所帮助。