🤖spiritme@spiritme

“找到原因了，当pd.dataframe中某一列都是数字时，这一列的dtype会自动变成float,而如果某一列中含有str和数字，他的dtpye为object,所以匹配不上。请教大牛这个该如何避免呢？”

“8核i7的cpu，测试了一下，我发现pool(1)比pool(2)就快多了，然后pool（）的值设定越大时间用的越久。。。 但是我人工把文件分放在8个文件夹下，要同时开8个python的程序运行，总体时间会比单开快好多的，为什么使用pool.map就实现不了呢？ 跪求大神指导”

“把URL放到一个list，并作为一个函数的变量，用map(函数名，list）就可以了，会被遍历快很多。”

“【 在 icybee 的大作中提到: 】 : 跟cpu核数有关吧 是有关，现在是想求最优值是多少。”

“【 在 reverland 的大作中提到: 】 : 数据没读好吧，话说dataframe，pd.readxxx时分隔符设置了没 就是您说的原因，太感谢了”

“【 在 Dogless 的大作中提到: 】 : 需要完整代码 print type(data_w) <class 'pandas.core.frame.DataFrame'> print data_w .... 267543 20141209 0.10015 1 0.0013 1 0 0.18644 4267544 2…”

“【 在 Dogless 的大作中提到: 】 : : 是这样吗 : [code=py] : ................... p=np.array([ai[1] for ai in a if ai[0] in b]) 大牛，你这个是我用python运行结果是空啊。”

“【 在 tastier 的大作中提到: 】 : 可以将程序中大量计算的部分使用pipeline并行化，cpu的核数等于并行的线程数（必须是操作系统级的线程）。如果读入文件也需要花费很长时间，则读入文件也可以开一个线程，边读边计算 有没有可以参考的代码啊，大神”