具有多个参数的函数的Python并行处理语法

嗨，由于程序运行时间长，我目前正尝试在多个核上并行运行一个函数。我找不到多参数函数的多处理语法。我在下面附上了我的代码，不知道如何修复语法

import pandas as pd
import numpy as np
import numpy.random as rdm
import matplotlib.pyplot as plt
import math as m
import random as r
import time
from joblib import Parallel, delayed

def firstLoop(r1, r2, d):
    count = 0
    for i in range(r1):
        for j in range(r2):
            if(findDistance(dat1[i, 0], dat2[j, 0], dat1[i, 1], dat2[j, 1]) <= d):
                count = count + 1
    return count

food1 = range(r1)
atm1 = range(r2)
d = 100
num_cores = multiprocessing.cpu_count()
results = Parallel(n_jobs=num_cores)(delayed(firstLoop)(for i in food1, for j in atm1, d))

---

使用具有多个参数的函数进行多处理的一种简单语法是使用

Pool（）

和

starmap（）

为此，函数

f

必须执行基本步骤

在代码中：

def firstLoop(r1, r2, d):
    count = 0
    for i in range(r1):
        for j in range(r2):
            if(findDistance(dat1[i, 0], dat2[j, 0], dat1[i, 1], dat2[j, 1]) <= d):
                count = count + 1
    return count

然后初始化结果数组和变量：

r1 = 
r2 = 
d = 100
results = np.zeros(shape=(1,r1*r2))

# Compute
with mp.Pool() as p:
    results = p.starmap(f, [(i, j, d) for i in range(r1) for j in range(r2)])

然后要计数，只需对数组求和。我没有测试代码，想法就在这里，但是可能需要一些调整，特别是在从map函数返回结果并存储结果的方式上。我不经常使用这种语法，因为我主要是在函数multiprocessing的末尾将结果存储在一个文件中

---

也许事先并不需要创建结果。不确定。

我尝试过，程序运行时没有任何提示end@JeffreyChiu你能分享一下你的尝试吗？我经常在相当简单的应用程序中使用这种语法。它相当有效。（还有一个输入/预期输出）@JeffreyChiu

用于范围（100200100）中的d

所以d固定在100？只需取出该范围，并在

p.starmap（）之前或
之前使用
：
d=100
。现在，您的范围是什么
r1
和
r2
？如果您的代码运行时没有发出错误，那么它可能正在工作，但速度很慢。尝试将
print
语句放在函数
f
中感兴趣的位置，查看是否执行了迭代。现在我希望您确实用正确的名称替换了
f
，可能是
firstLoop
@JeffreyChiu我将用您的函数编辑我的答案，需要进行进一步的修改。@JeffreyChiu注意，进行多处理不会保留顺序。
def firstLoop(r1, r2, d):
    count = 0
    for i in range(r1):
        for j in range(r2):
            if(findDistance(dat1[i, 0], dat2[j, 0], dat1[i, 1], dat2[j, 1]) <= d):
                count = count + 1
    return count

def f(i, j, d):
    if findDistance(dat1[i, 0], dat2[j, 0], dat1[i, 1], dat2[j, 1]) <= d):
        return 1
    else:
        return 0

r1 = 
r2 = 
d = 100
results = np.zeros(shape=(1,r1*r2))

# Compute
with mp.Pool() as p:
    results = p.starmap(f, [(i, j, d) for i in range(r1) for j in range(r2)])