Python 多处理一个函数'；s输出到单个数组

我已经尝试了很长一段时间了，但是我的数组保持不变

这里我的数组是

TC\u p\u value

，我试图模拟的函数是

TC\u stats

。如果我们正常运行，代码运行良好，但模拟时间太长（大约一个小时）。因此，为了减少处理时间，我将原始阵列（1000x100）分成10组100x100。虽然代码运行时没有错误，但我总是以某种方式获得相同的数组（与最初定义的数组相同）。我试图将

TC\u p\u value

定义为

global

，这样每次运行都可以将值分配给数组的特定部分。然而，这里似乎我做错了什么（因为在多个处理器上模拟单个阵列是不可能的），或者我的编码逻辑有什么问题吗

非常感谢您的帮助。 下面编写了相同的代码

import pingouin as pg # A package to do regression
TC_p_value = np.zeros((Treecover.shape[1],Treecover.shape[2])) #let this array be of size 1000 x 100

def TC_stats(grid_start):
    global TC_p_value
    for lat in tqdm(range(grid_start, grid_start+100)):
        for lon in range(Treecover.shape[2]):
            TC_p_value[lat,lon] = pg.corr(y=Treecover[:, lat,lon].values,
                                  x=np.arange(1,16,1))['p-val'].values[0]

#Multiprocessing starts here
from multiprocessing import Pool
if __name__ == '__main__':
    pool = Pool()
    grid = np.arange(0,1000,100) #Running it in a group of 100, 10 times
    pool.map(TC_stats, grid)
    pool.close()
    pool.join()

---

问题是全局定义的数组不能在进程之间共享。因此，您需要使用共享内存

导入ctypes
将numpy作为np导入
导入pingouin作为pg#包进行回归
N、 M=树覆盖形状[1]，树覆盖形状[2]
mp_arr=mp.数组（ctypes.c_double，N*M）
TC_p_value=np.frombuffer（mp_arr.get_obj（））
TC_p_值=TC_p_值。重塑（（N，M））
#让此阵列的大小为1000 x 100
def TC_统计数据（网格_启动）：
TC_p_value=np.frombuffer（mp_arr.get_obj（））
TC_p_值=TC_p_值。重塑（（N，M））
对于tqdm中的lat（范围（网格开始，网格开始+100））：
对于范围内的lon（Treecover.形状[2]）：
TC_p_值[lat，lon]=pg.corr（y=Treecover[：，lat，lon]。值，
x=np.arange（1,16,1））['p-val'].值[0]
def init（共享阵列）：
全球mp_arr
mp\u arr=共享\u arr_
#多处理从这里开始
来自多处理导入池
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
pool=pool（初始值设定项=init，initargs=（mp_arr，）
grid=np.arange（01000100）#一组运行100次，10次
pool.map\u异步（TC\u统计，网格）
pool.close（）
pool.join（）

我用一些修改过的玩具示例运行了上面的代码，它成功了

---

参考资料：

您所说的“空数组”到底是什么意思？形状怎么样？或者仅仅是

TC_p_value

的值保持不变（0）在处理

numpy

数组时，“空”是一个模糊的术语。@hpaulj感谢您指出它。空数组将是一个错误的术语。您猜测的是正确的，它仍然是一个不变的“零”数组。我会改正的。