Python Numpy/Scipy中管道或流阵列的方式

这是我的特定用例，可以更好地解释这个问题，但我正在寻找一个通用的解决方案

我正在使用一个带有adafruit LED显示屏的树莓Pi，它显示一个RGB矩阵。这段代码在Python 2中。我有一个python脚本，它每1/n秒生成一次RGB数据

---

是否有一个包或库允许我在一个进程中以np.ndarray的形式连续生成RGB数据，并让矩阵脚本轮询它，以便它对numpy阵列进行近实时的进程间通信

一个简单而快速的解决方案是使用numpy.memmap。它只是创建一个存储在磁盘二进制文件中的数组的内存映射。通过这种方式，您可以在进程之间轻松、快速地共享numpy阵列

例如，生成RGB数据的主要过程可以是：

将numpy作为np导入 myshape=100100,3我的RGB阵列 shared_array=np.memmap/tmp/testarray，mode='w+'，shape=myshape 尽管如此： data=some_function_to_get_rgb_data返回myshape的numpy数组 共享_数组[：]=数据[：] 读取该数组的另一个进程可以是：

将numpy作为np导入 读取形状=100100,3 共享数组=np.memmap/tmp/testarray，mode='r'，shape=read\u shape 尽管如此： 共享_数组将作为numpy数组 用数组共享数组做什么 只考虑形状必须匹配，并且数组的数据类型可以传递给memmap函数，并且创建文件的进程必须首先运行。实际上，在主进程中对共享_数组所做的任何更改都将很快反映在另一个进程中

---

我所做的测试是，将480360,21阵列与4个进程同时共享—从该阵列读取和写入数据的时间不到1毫秒。

为什么会出现这种情况？为什么您会担心代码看起来在做什么？您是否试图假装您的代码在进程之间传输数据？抱歉，这是非常糟糕的措辞。我的用例是可视的，但这与我的问题无关。我希望在同一台机器上使用numpy/scipy阵列进行某种同步的进程间通信。请随意忽略关于覆盆子圆周率的一切，如果它让人更困惑的话，我只是觉得其他圆周率的人以前可能也做过类似的事情。