Python for循环中的并行化函数

我有一个我想并行化的函数

import multiprocessing as mp
from pathos.multiprocessing import ProcessingPool as Pool

cores=mp.cpu_count()

# create the multiprocessing pool
pool = Pool(cores)

def clean_preprocess(text):
    """
    Given a string of text, the function:
    1. Remove all punctuations and numbers and converts texts to lower case
    2. Handles negation words defined above.
    3. Tokenies words that are of more than length 1
    """
    cores=mp.cpu_count()
    pool = Pool(cores)
    lower = re.sub(r'[^a-zA-Z\s\']', "", text).lower()
    lower_neg_handled = n_pattern.sub(lambda x: n_dict[x.group()], lower)
    letters_only = re.sub(r'[^a-zA-Z\s]', "", lower_neg_handled)
    words = [i for i  in tok.tokenize(letters_only) if len(i) > 1] ##parallelize this? 
return (' '.join(words))

---

我一直在阅读关于多处理的文档，但对于如何适当地并行化我的函数仍然有点困惑。如果有人能为我指出并行化类似于我的函数的正确方向，我将不胜感激

在您的函数中，您可以通过将文本拆分为子部分，将标记化应用于子部分，然后连接结果来决定并行化

大致如下：

text0 = text[:len(text)/2]
text1 = text[len(text)/2:]

然后使用以下方法将处理应用于这两个部分：

# here, I suppose that clean_preprocess is the sequential version, 
# and we manage the pool outside of it
with Pool(2) as p:
  words0, words1 = pool.map(clean_preprocess, [text0, text1])
words = words1 + words2
# or continue with words0 words1 to save the cost of joining the lists

但是，您的函数似乎内存有限，因此不会有可怕的加速（通常情况下，系数2是我们现在在标准计算机上所能期望的最大值），请参见或

因此，您可以尝试将文本拆分为两个以上的部分，但速度可能不会更快。您甚至可能会得到令人失望的性能，因为拆分文本可能比处理文本更昂贵