Python 如何并行两个迭代器？

这是我问题的后续。我想做

多处理.Pool.map（比较\u clusters，clusters\u 1，clusters\u 2）

，其中比较\u clusters是一个函数，clusters\u 1是一个对象列表，clusters\u 2也是一个对象列表。这个问题的答案清楚地表明，与

map

不同，

多处理.Pool.map

只能使用一个迭代器，在这种情况下，

集群2

必须是块大小

所以我的问题是，如何用两个迭代器并行化一个循环

代码

spectra_names, condensed_distance_matrix, index_0 = [], [], 0 
for index_1, index_2 in itertools.combinations(range(len(clusters)), 2):
    if index_0 == index_1:
        index_0 += 1
        spectra_names.append(clusters[index_1].get_names()[0])
    try:
        distance = 1/float(compare_clusters(clusters[index_1], clusters[index_2],maxiter=50))
    except:
        distance = 10
    condensed_distance_matrix.append(distance)

我是如何尝试将其并行化的

from multiprocessing import Pool
condensed_distance_matrix, spectra_names, index_0, clusters_1, clusters_2 = [], [], 0, [], []
for index_1, index_2 in itertools.combinations(range(len(clusters)), 2):
    if index_0 == index_1:
        index_0 += 1
        spectra_names.append(clusters[index_1].get_names()[0])
    clusters_1.append(clusters[index_1])
    clusters_2.append(clusters[index_2])
pool = Pool()
condensed_distance_matrix_values = pool.map(compare_clusters, clusters_1, clusters_2)

for value in condensed_distance_matrix_values :
    try:
        distance = 1/float(value)
    except:
        distance = 10
    condensed_distance_matrix.append(distance)

---

如果我正确理解了您的代码，那么下面的代码应该可以工作

from multiprocessing import Pool
condensed_distance_matrix = []
spectra_names = []
index_0 = 0
cluster_pairs = []
for index_1, index_2 in itertools.combinations(range(len(clusters)), 2):
    if index_0 == index_1:
        index_0 += 1
        spectra_names.append(clusters[index_1].get_names()[0])
    cluster_pairs.append((clusters[index_1], clusters[index_2]))
pool = Pool()
condensed_distance_matrix_values = pool.map(compare_clusters, cluster_pairs)

for value in condensed_distance_matrix_values :
    try:
        distance = 1/float(value)
    except:
        distance = 10
    condensed_distance_matrix.append(distance)

因此，与其创建两个包含单个集群的列表，不如创建一个包含集群对元组的列表。新列表中的每一对都是要比较的集群对。您可能需要相应地调整

compare\u clusters

功能

---

考虑到

Blckknght

的答案，您不需要迭代索引来创建一个配对列表，这就是

itertools.combinations

的用途。因此，您只需执行

pool.map（比较\u clusters，itertools.combines（clusters，2））

，因为combines已经返回元组列表。

在Python3.3及更高版本中，您可以使用

pool.starmap

。在早期版本中，您需要编写一个助手函数：

def do_comparison(tupl):
    x, y = tupl # unpack arguments
    return compare_clusters(x, y)

pool = Pool()
values = pool.map(do_comparison, itertools.combinations(clusters, 2))
condensed_distance_matrix = [1 / float(v) if v != 0 else 10 for v in values]

通过完全避免索引，而是直接生成2元组的集群值，我简化了很多事情。对于循环，您根本不需要您的top

。我还将反转代码简化为列表理解，而不是每个项调用一次
append
的循环

当然，您在循环中所做的另一件事是为
spectra\u名称
提取值。与其一次只做一个索引，我建议使用列表理解一次构建所有索引（它可以与上面的池内容分开）：

谢谢在我的实际代码中，我有
spectra\u names.append（clusters[-1].get\u names（））
在循环后获取最后一个值，但在copying@NiekdeKlein：啊，那确实更有意义。我将编辑以删除最后一段（以及它所谈论的片段）。
spectra_names = [c.get_names()[0] for c in clusters]