pythonrpy2setseed_带rpy2和多处理的熊猫

我想用熊猫和R来加速这个过程

假设我有以下数据帧&＃xff1a;import pandas as pd

from random import randint

df &＃61; pd.DataFrame({&＃39;mpg&＃39;: [randint(1, 9) for x in xrange(10)],

&＃39;wt&＃39;: [randint(1, 9)*10 for x in xrange(10)],

&＃39;cyl&＃39;: [randint(1, 9)*100 for x in xrange(10)]})

df

mpg wt cyl

0 3 40 100

1 6 30 200

2 7 70 800

3 3 50 200

4 7 50 400

5 4 10 400

6 3 70 500

7 8 30 200

8 3 40 800

9 6 60 200

然后&＃xff0c;我使用rpy2对一些数据进行建模&＃xff1a;

^{pr2}$

在这之后&＃xff0c;我做了一些预测&＃xff1a;rfits &＃61; stats.predict(fit_full, newdata&＃61;df)

这段代码对于一个小数据帧运行没有问题&＃xff0c;但实际上我有一个大数据帧&＃xff0c;有数百万行&＃xff0c;我正试图使用其他rpy2模型来加速预测部分&＃xff0c;但不幸的是&＃xff0c;这需要很长时间来处理。在

我第一次尝试将多处理库用于此任务&＃xff0c;但没有成功&＃xff1a;import multiprocessing as mp

pool &＃61; mp.Pool(processes&＃61;4)

rfits &＃61; pool.map(predict(fit_full, newdata&＃61;df))

但可能是我做错了什么&＃xff0c;因为我看不到速度的提高。在

我认为这里的主要问题是&＃xff0c;我试图将pool.map应用于rpy2函数&＃xff0c;而不是Python预定义的函数。可能有一些不使用多处理库的解决方案&＃xff0c;但是我看不到任何解决方案。在

如有任何帮助&＃xff0c;将不胜感激。提前谢谢。在