Python 对scipy矩形双变量样条线调用的并行化

我正在编写一个python代码，需要在任意一组点上多次计算2D样条曲线。代码如下所示：

spline=scipy.interpolate.RectBivariateSpline（…）
对于范围内的i（1000000）：
x_点，y_点=数据。获取_输出_点（i）
VAL=样条曲线.ev（x_点，y_点）
“使用VAL进行操作”

输出点之间没有重叠。我想使用线程或某种共享内存来并行处理这个问题，因为

数据。get\u output\u points

使用了大量内存。天真地，我尝试生成10个线程，并给它们每个1/10的循环。然而，这并没有给我任何速度超过运行一个线程

我分析了代码，它将所有时间都花在

fitpack2.py:674（\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\。看起来我遇到了一些GIL问题，它阻止了线程独立运行

我如何绕过GIL问题并将其并行化？有没有办法调用能很好地并行化的
fitpack
例程，或者我可以使用不同的样条曲线？我的输入网格是统一的和过采样的，但我的输出点可以在任何地方。我尝试过使用
RegularGridInterpolator
（线性插值），它的性能足够好，虽然不理想，但使用线程时并行性很差

编辑：以下是我所说的朴素线程并行化的意思：

def辅助程序（开始、结束）：
对于范围内的i（开始、结束）：
x_点，y_点=数据。获取_输出_点（i）
VAL=样条曲线.ev（x_点，y_点）
“使用VAL进行操作”
t1=threading.Thread（target=worker，args=（0，500000））.start（）
t2=threading.Thread（target=worker，args=（5000011000000））.start（）
t1.join（）
t2.join（）

在python中有多种并行处理方法，可以避免GIL：

查看更多信息

---

是的，你是击中了吉尔瓶颈。

你能告诉我们你是如何并行化代码的吗？当然，我添加了一个例子。我只是把for循环分成不同的线程。是的，你说得对。我对此进行了更多的研究，dfitpack代码从未禁用GIL，因此不可能实现我希望用线程实现的功能。我不知道为什么在进入fortran代码时它会保留GIL，但可能只是因为没有人花时间去弄清楚什么可以禁用GIL，什么不能禁用。我将重新构造一切，以使用多处理。