问题描述
我有一个约 120k 行的 modin 数据框。我想合并它的一些列。 Modin df iterrows 花费了很多时间，所以我尝试使用 numpy.where。 Numpy.where 在等效的 Pandas df 上 5-10 分钟内完成，但 modin df 上的相同操作需要约 30 分钟。有没有其他方法可以加快 modin 数据帧的这项任务？
[cols_to_be_coalesced] --> 此列表包含要合并的列的列表。它包含 10-15 列。
代码：
for COL in [cols_to_be_coalesced]:
df['COL'] = np.where(df['COL']!='',df['COL'],df['COL_X'])
如果 df 是 pandas 数据帧，它会在大约 10 分钟内执行，但如果是 modin 数据帧，则需要大约 30 分钟。那么 numpy.where 是否有任何等效的代码用于 modin 数据帧来加速此操作？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）