快捷導(dǎo)航

Python使用多進(jìn)程運(yùn)行含有任意個(gè)參數(shù)的函數(shù)

更新時(shí)間：2020年05月02日 11:49:20 作者：Jayce~

這篇文章主要介紹了Python使用多進(jìn)程運(yùn)行含有任意個(gè)參數(shù)的函數(shù)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

1. 問(wèn)題引出

許多時(shí)候，我們對(duì)程序的速度都是有要求的，速度自然是越快越好。對(duì)于Python的話，一般都是使用multiprocessing這個(gè)庫(kù)來(lái)實(shí)現(xiàn)程序的多進(jìn)程化，例如：

我們有一個(gè)函數(shù)my_print，它的作用是打印我們的輸入：

def my_print(x):
print(x)

但是我們嫌它的速度太慢了，因此我們要將這個(gè)程序多進(jìn)程化：

from multiprocessing import Pool
 
def my_print(x):
  print(x)
 
if __name__ == "__main__":
  x = [1, 2, 3, 4, 5]
  pool = Pool()
  pool.map(my_print, x)
  pool.close()
  pool.join()

很好，現(xiàn)在速度與之前的單進(jìn)程相比提升非常的快，但是問(wèn)題來(lái)了，如果我們的參數(shù)不只有一個(gè)x，而是有多個(gè)，這樣能行嗎？比如現(xiàn)在my_print新增一個(gè)參數(shù)y：

def my_print(x, y):
print(x + y)

查看pool.map的函數(shù)說(shuō)明：

def map(self, func, iterable, chunksize=None):
  '''
  Apply `func` to each element in `iterable`, collecting the results
  in a list that is returned.
  '''
  return self._map_async(func, iterable, mapstar, chunksize).get()

發(fā)現(xiàn)函數(shù)的參數(shù)是作為iter傳進(jìn)去的，但是我們現(xiàn)在有兩個(gè)參數(shù)，自然想到使用zip將參數(shù)進(jìn)行打包：

if __name__ == "__main__":
  x = [1, 2, 3, 4, 5]
  y = [1, 1, 1, 1, 1]
  zip_args = list(zip(x, y))
  pool = Pool()
  pool.map(my_print, zip_args)
  pool.close()
  pool.join()

可是執(zhí)行后卻發(fā)現(xiàn)，y參數(shù)并沒(méi)有被傳進(jìn)去：

那么如何傳入多個(gè)參數(shù)呢？這也就是本文的重點(diǎn)，接著往下看吧。

2. 解決方案

2.1 使用偏函數(shù)（partial）

偏函數(shù)有點(diǎn)像數(shù)學(xué)中的偏導(dǎo)數(shù)，可以讓我們只關(guān)注其中的某一個(gè)變量而不考慮其他變量的影響。上面的例子中，Y始終等于1，那么我們?cè)趥魅雲(yún)?shù)的時(shí)候，只需要考慮X的變化即可。

例如你有一個(gè)函數(shù)，該函數(shù)有兩個(gè)參數(shù)a,b，a是不同路徑的下的圖片的路徑，b是輸出的路徑。很明顯，a是一直在變化的，但是因?yàn)槲覀円獙⑺袌D片保存在同一個(gè)文件夾下，那么b很可能一直都沒(méi)變。

具體如下：

if __name__ == '__main__':# 多線程，多參數(shù)，partial版本
  x = [1, 2, 3, 4, 5]
  y = 1
 
  partial_func = partial(my_print, y=y)
  pool = Pool()
  pool.map(partial_func, x)
  pool.close()
  pool.join()

2.2 使用可變參數(shù)

在Python函數(shù)中，函數(shù)可以定義可變參數(shù)。顧名思義，可變參數(shù)就是傳入的參數(shù)個(gè)數(shù)是可變的，可以是1個(gè)、2個(gè)到任意個(gè)，這就直接給我們提供了一種思路。具體如下：

def multi_wrapper(args):
  return my_print(*args)
 
def my_print(x, y):
  print(x + y)
if __name__ == "__main__": # 多線程，多參數(shù)，可變參數(shù)版本
  x = [1, 2, 3, 4, 5]
  y = [1, 1, 1, 1, 1]
  zip_args = list(zip(x, y))
 
  pool = Pool()
  pool.map(multi_wrapper, zip_args)
  pool.close()
  pool.join()

2.3 使用pathos提供的多進(jìn)程庫(kù)

from pathos.multiprocessing import ProcessingPool as newPool
 
if __name__ == '__main__':# 多線程，多參數(shù)，pathos版本
  x = [1, 2, 3, 4, 5]
  y = [1, 1, 1, 1, 1]
 
  pool = newPool()
  pool.map(my_print, x, y)
  pool.close()
  pool.join()

在該庫(kù)的map函數(shù)下，可以看到，它允許多參數(shù)輸入，其實(shí)也就是使用了可變參數(shù)：

def map(self, f, *args, **kwds):
  AbstractWorkerPool._AbstractWorkerPool__map(self, f, *args, **kwds)
  _pool = self._serve()
  return _pool.map(star(f), zip(*args)) # chunksize

2.4 使用starmap函數(shù)

if __name__ == '__main__': # 多線程，多參數(shù)，starmap版本
  x = [1, 2, 3, 4, 5]
  y = [1, 1, 1, 1, 1]
 
  zip_args = list(zip(x, y))
  pool = Pool()
  pool.starmap(my_print, zip_args)
  pool.close()
  pool.join()

3. 總結(jié)

其實(shí)在以上4種實(shí)現(xiàn)方法中，第1種方法的限制較多，如果該函數(shù)的其它參數(shù)都在變化的話，那么它就不能很好地工作，而剩下的方法從體驗(yàn)上來(lái)講是依次遞增的，它們都可以接受任意多參數(shù)的輸入，但是第2種需要額外寫(xiě)一個(gè)函數(shù)，扣分；第3種方法需要額外安裝pathos包，扣分；而最后一種方法不需要任何額外不擇就可以完成，所以，推薦大家選擇第4種方法！

以上這篇Python使用多進(jìn)程運(yùn)行含有任意個(gè)參數(shù)的函數(shù)就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: