[英]Multiprocess Python/Numpy code for processing data faster
我正在读取数百个HDF文件,并分别处理每个HDF的数据。 但是,由于它一次只处理一个HDF文件,因此需要花费大量时间。 我只是偶然发现http://docs.python.org/library/multiprocessing.html ,现在想知道如何使用多处理来加快处理速度。
到目前为止,我想到了这个:
import numpy as np
from multiprocessing import Pool
def myhdf(date):
ii = dates.index(date)
year = date[0:4]
month = date[4:6]
day = date[6:8]
rootdir = 'data/mydata/'
filename = 'no2track'+year+month+day
records = read_my_hdf(rootdir,filename)
if records.size:
results[ii] = np.mean(records)
dates = ['20080105','20080106','20080107','20080108','20080109']
results = np.zeros(len(dates))
pool = Pool(len(dates))
pool.map(myhdf,dates)
但是,这显然是不正确的。 您能遵循我的想法去做吗? 我需要更改什么?
尝试joblib获得更友好的multiprocessing
包装器:
from joblib import Parallel, delayed
def myhdf(date):
# do work
return np.mean(records)
results = Parallel(n_jobs=-1)(delayed(myhdf)(d) for d in dates)
Pool classes 映射函数类似于标准的python库map
函数,可以确保按放入顺序返回结果。知道这一点,唯一的另一招是需要以一致的方式返回结果,然后对其进行过滤。
import numpy as np
from multiprocessing import Pool
def myhdf(date):
year = date[0:4]
month = date[4:6]
day = date[6:8]
rootdir = 'data/mydata/'
filename = 'no2track'+year+month+day
records = read_my_hdf(rootdir,filename)
if records.size:
return np.mean(records)
dates = ['20080105','20080106','20080107','20080108','20080109']
pool = Pool(len(dates))
results = pool.map(myhdf,dates)
results = [ result for result in results if result ]
results = np.array(results)
如果您确实希望尽快获得结果,则可以使用imap_unordered
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.