Python 如何获得多处理结果？

我希望在多重处理后将工作结果存储在特定变量中，如下所示

或者，我想将作业结果保存为csv文件。我可以知道怎么做吗

这是我的代码：

（我想获取“df4”和“df7”数据并保存csv文件）

---

看起来您的函数

cal1

和

cal2

是相同的，只是它们试图将结果分配给一些不同的全局变量。这是行不通的，因为当您在子流程中运行它们时，它们将在子流程中分配该全局变量，但这对启动它们的主流程没有任何影响

如果要跨多个进程将函数映射到多个输入范围，可以使用进程和

例如：

def-cal（输入列表）：
开始=时间。时间（）
对于枚举中的i，t（输入列表）：
df2=pd.DataFrame（df1[df1['resion']==t]）#'df1'是原始数据
如果i%2==0：
打印（“cal1函数处理：”，i）
end=time.time（）
打印（结束-开始）
其他：
通过
对于n，枚举中的d（日期）：
df3=pd.DataFrame（df2[df2['date']=d]）
df3['number']=df3['price'].排名（pct=True，升序=False）
df4=df4.append（pd.DataFrame（df3））
#我没有修改您的原始代码，但我不确定这一点
#是怎么做的，因为你一次通过
#外环。我还没有仔细检查你到底想做什么
#但我怀疑这也是错误的。
返回df4

然后创建一个流程池，您可以按照自己的意愿分割输入（或者，通过一些调整，您可以让

pool.map

为您分割输入，然后将map的输出减少为单个输出）：

pool=multiprocessing.pool（2）
dfs=pool.map（cal[list1.iloc[0:10]，list1.iloc[10:20]]

---

这只是为了让你开始。我可能还会做一些其他不同的事情。

这是否回答了您的问题？谢谢你的建议。我试过你告诉我的密码。但是，“for循环”不起作用。只有第一个“列表”起作用。。。。。。（我的意思是，list1.iloc[0:1]，list1.iloc[10:11]）是的，请参阅我在代码副本中添加的注释。您在

cal1

和

cal2

中对循环进行编码的方式有缺陷，因为它在一次迭代后从循环返回，但这与多处理问题无关。感谢您的解释。这很有帮助。

import pandas as pd
from pandas import DataFrame
import time
import multiprocessing

df2 = pd.DataFrame()
df3 = pd.DataFrame()
df4 = pd.DataFrame()
df5 = pd.DataFrame()
df6 = pd.DataFrame()
df7 = pd.DataFrame()
df8 = pd.DataFrame()

date = '2011-03', '2011-02' ........ '2021-03'    #There are 120 list.
list1 = df1['resion'].drop_duplicates()  # There are 20 list. 'df1' is original data

#I'd like to divide the list and work on it. 
list11 = list1.iloc[0:10]
list12 = list1.iloc[10:20]

#It's a function using 'list11'.
def cal1():
    global df2
    global df3
    global df4

    start = time.time()

    for i, t in enumerate(list11):    
        df2 = pd.DataFrame(df1[df1['resion'] == t])  #'df1' is original data

        if i%2 == 0:
            print ("cal1 function processing: ", i)
            end = time.time()
            print (end-start)

        else:
            pass

        for n, d in enumerate(date):               
            df3 = pd.DataFrame(df2[df2['date'] == d])
            df3['number'] = df3['price'].rank(pct=True, ascending = False )
            df4 = df4.append(pd.DataFrame(df3))

        return df4

#It's a function using 'list12'.

def cal2():
    global df5
    global df6
    global df7

    start = time.time()

    for i, t in enumerate(list12):    
        df5 = pd.DataFrame(df1[df1['resion'] == t])  #'df1' is original data

        if i%2 == 0:
            print ("cal1 function processing: ", i)
            end = time.time()
            print (end-start)

        else:
            pass

        for n, d in enumerate(date):               
            df6 = pd.DataFrame(df5[df5['date'] == d])
            df6['number'] = df6['price'].rank(pct=True, ascending = False )
            df7 = df7.append(pd.DataFrame(df6))

        return df7

## Multiprocessing code

if __name__ == "__main__":
    # creating processes
    p1 = multiprocessing.Process(target=cal1, args=())
    p2 = multiprocessing.Process(target=cal2, args=())
  
    # starting process 1
    p1.start()
    # starting process 2
    p2.start()
  
    # wait until process 1 is finished
    p1.join()
    
    # wait until process 2 is finished
    p2.join()
  
    # both processes finished
    print("Done!")