Я не могу видеть то, что вы хотите сделать, потому что вы не разместил полный фрагмент кода ... но я могу сделать что-то приближенное.
Вам нужно построить функцию, подобную приведенной ниже. А затем используйте параллельную карту. (Я использую библиотеку pathos
вместо multiprocessing
b/c Я автор, ее можно использовать интерактивно из интерпретатора, и она легко принимает несколько аргументов).
>>> import sympy
>>> price = sympy.Symbol('price')
>>> def estate(x, y, z):
... k = 2*price + x
... return z*k**2 + y*k
...
>>> estate(1,2,3)
4*price + 3*(2*price + 1)**2 + 2
>>>
>>> x = range(10)
>>> y = range(-5,5)
>>> z = range(20,0,-2)
>>>
>>> from pathos.pools import ProcessPool
>>> pool = ProcessPool()
>>> pool.map(estate, x, y, z)
[80*price**2 - 10*price, -8*price + 18*(2*price + 1)**2 - 4, -6*price + 16*(2*price + 2)**2 - 6, -4*price + 14*(2*price + 3)**2 - 6, -2*price + 12*(2*price + 4)**2 - 4, 10*(2*price + 5)**2, 2*price + 8*(2*price + 6)**2 + 6, 4*price + 6*(2*price + 7)**2 + 14, 6*price + 4*(2*price + 8)**2 + 24, 8*price + 2*(2*price + 9)**2 + 36]
Или, если вы хотите неблокирующая map
:
>>> res = pool.imap(estate, x, y, z)
>>> res.next()
80*price**2 - 10*price
>>> res.next()
-8*price + 18*(2*price + 1)**2 - 4
>>> res.next()
-6*price + 16*(2*price + 2)**2 - 6
>>> list(res)
[-4*price + 14*(2*price + 3)**2 - 6, -2*price + 12*(2*price + 4)**2 - 4, 10*(2*price + 5)**2, 2*price + 8*(2*price + 6)**2 + 6, 4*price + 6*(2*price + 7)**2 + 14, 6*price + 4*(2*price + 8)**2 + 24, 8*price + 2*(2*price + 9)**2 + 36]
И когда вы закончите, не забудьте закрыть вещи вниз:
>>> pool.close()
>>> pool.join()
Однако, если вы хотите использовать традиционный multiprocessing
(скажем, у вас есть только один аргумент для вашего map
), он будет выглядеть так:
>>> def doit(x):
... return x+2*x
...
>>> # use the standard multiprocessing interface
>>> import pathos.multiprocessing as mp
>>> pool = mp.Pool()
>>> pool.map(doit, x)
[0, 3, 6, 9, 12, 15, 18, 21, 24, 27]
>>> pool.close()
>>> pool.join()
Там же пул потоков (то же самое доступен в multiprocessing.dummy
), чтобы использовать потоки вместо процессов:
>>> from pathos.pools import ThreadPool
>>> pool = ThreadPool()
>>> pool.map(doit, x)
[0, 3, 6, 9, 12, 15, 18, 21, 24, 27]
>>> pool.close()
>>> pool.join()
Есть и другие ароматы map
(например, если порядок результатов не имеет значения, используйте uimap
от pathos
, что совпадает с imap_unordered
от multiprocessing
).
«Многопроцессорная обработка», вероятно, не выгодна здесь, если вы не выполняете указанные выше несколько раз. Затем вы превратите это в функцию и вызовите его в «карте» из «multiprocessing.Pool». Если у вас есть код, который выполняется в векторной параллели (например, с помощью «numpy.array»), «многопроцессорство», как правило, будет медленнее. –
Я редактировал вопрос для лучшего понимания. –