我有問題並行分配我的功能。Python多處理 - 棘手的用例,包括傳遞參數
問題描述:我有2個座標對列表,dfC
和dfO
。對於dfC
中的每個obs,我正在統計有多少dfO
的半徑爲r
。 我目前有一個工作功能,但我想看看我是否可以並行處理。
問題是這樣的:dfC
可以拆分和單獨處理...但dfO
需要100%的每個工人。我的方法是,讓我先把它並行工作 - 然後我會擔心如何向工人分發dfO
的完整副本。除非有人能幫我解決這兩個問題?
首先,這裏設置的一切行動代碼:
import pandas as pd
import numpy as np
import multiprocessing as mp
from multiprocessing import Pool, process
import traceback
from scipy.spatial import cKDTree
# create 2 dataframes with random "coordinates"
dfC=pd.DataFrame(np.random.np.random.randint(0,100,size=(50,2)), columns=list('xy'))
dfO=pd.DataFrame(np.random.np.random.randint(0,100,size=(500,2)), columns=list('jk'))
這裏是什麼dfC
樣子,dfO
將類似於
+----+----+
| x | y |
+----+----+
| 35 | 5 |
+----+----+
| 96 | 18 |
+----+----+
| 23 | 25 |
+----+----+
| 20 | 7 |
+----+----+
| 74 | 54 |
+----+----+
下一個例子,這裏是工作的功能等魅力。我不是單獨傳遞所有參數,而是實際上是這樣做的 - 準備一個主函數來並行地調用這些參數(並且我無法找到一種多處理方法來完成這項工作)。
# this function works on dfC, and adds a row which counts the number
# of objects in dfO which are within radius r
def worker_job(args):
try:
dfC, dfO, newcol, r = args
mxC=dfC.as_matrix()
mxO = dfO.as_matrix()
# magic tree stuff
C_Tree = cKDTree(mxC)
O_Tree = cKDTree(mxO)
listoflists = C_Tree.query_ball_tree(O_Tree, r, p=2.0, eps=0.0)
counts=[]
for i in listoflists:
counts.append(len(i))
s = pd.Series(counts)
dfC[newcol] = s.values
except:
raise
traceback.print_exc()
else:
return dfC
如果我創造我的論點是這樣的: args=[dfC,dfO,"new_column_name",3]
它完美,當我通過自身運行它: worker_job(args)
+----+----+-----------------+
| x | y | new_column_name |
+----+----+-----------------+
| 35 | 5 | 4 |
+----+----+-----------------+
| 96 | 18 | 1 |
+----+----+-----------------+
| 23 | 25 | 0 |
+----+----+-----------------+
| 20 | 7 | 1 |
+----+----+-----------------+
| 74 | 54 | 2 |
+----+----+-----------------+
現在,我嘗試建立函數,將控制並行工作者並行運行這個東西。這是我的最大努力:
# this function should control the multiprocessing
def Run_Parallel(Function, Num_Proc, args):
try:
pool = Pool(Num_Proc)
parts = pool.map(Function,args)
pool.close()
pool.join()
results_df = pd.concat(parts)
except:
pool.close()
pool.terminate()
traceback.print_exc()
else:
return results_df
它不會工作。 Run_Parallel(worker_job,2,args)
會拋出一個關於ValueError: not enough values to unpack (expected 4, got 2)
的錯誤。當它通過包裝器時,必須發生一些參數列表。
我正在尋找這個錯誤的指導,特別是,誰知道如何解決更大的問題 - 這是我需要我的池包含100%的dfO
和只是dfC
子集的效率。
'Pool.map'預計的'iterable'。所以你必須把你的'args'列表放在另一個列表中,然後傳遞給'map'函數。您可能會注意到它與直接調用'worker_job'函數沒有區別。所以你不得不重構你的程序。 – Himal