如何在“中应用多线程”；for loop"；在python中是否高效？

我正在计算for循环中两个值之间的余弦值，我想知道如何在我的程序中应用多线程并提高效率

from sklearn.metrics.pairwise import cosine_similarity
import time

questionset=[]
for i in range(0,8000):
    questionset.append(i)


cos_sims=[]



start_time = time.time()
for question in questionset:
   sims = cosine_similarity(question, 0.5)
   cos_sims.append(sims)
print("--- %s seconds in question filter---" % (time.time() - start_time))

---

完成cos值计算循环的时间约为1秒，我希望它以毫秒为单位减少它。使用多处理库，您可以使用文档中的池映射，如本例所示

from multiprocessing import Pool

def f(x):
    return x*x

if __name__ == '__main__':
    with Pool(multiprocessing.cpu_count()) as p:
        print(p.map(f, [1, 2, 3]))

---

只需使用余弦模拟作为f，而不是打印它，将其分配到输出列表（cos_sims）

那么您尝试了什么？列表cos_sims中元素的顺序重要吗？您目前拥有的代码也无法运行。对于单处理器系统上的纯计算，多线程可能会增加处理时间。这更有可能通过改变算法来优化。余弦计算可能是一项昂贵的操作，因此在查找表中缓存余弦值可能会有所帮助。@Gledi顺序并不重要。尽管如@RufusVS所述，这可能不是最快的解决方案