Python 并行计算

python 复制代码

from joblib import Parallel, delayed  
import time  
  
# 定义一个函数，模拟一个耗时的操作  
def slow_function(n):  
    time.sleep(n)  # 模拟耗时  
    return n * n  
  
# 创建一个包含数字的列表  
numbers = [1, 2, 3, 4, 5]  
  
# 使用Parallel和delayed来并行地对每个数字执行slow_function  
results = Parallel(n_jobs=-1)(delayed(slow_function)(n) for n in numbers)  
  
# 打印结果  
print(results)

在这个示例中，我们定义了一个模拟耗时操作的函数slow_function。然后，我们创建了一个包含数字的列表numbers。通过使用Parallel和delayed，我们并行地对列表中的每个数字执行了slow_function函数。最后，我们打印了结果。

请注意，在使用Parallel时，你可以通过设置n_jobs参数来控制并行任务的数量。在上面的示例中，我们设置了n_jobs=-1，这意味着用最大资源进行并行计算。

如果函数有两个变量，代码如下：

python 复制代码

from joblib import Parallel, delayed  
import time  
  
# 定义一个函数，模拟一个耗时的操作，接受两个变量  
def slow_function(x, y):  
    time.sleep(x + y)  # 模拟耗时  
    return x * y  
  
# 创建一个包含输入变量的列表  
inputs = [(1, 2), (3, 4), (5, 6)]  
  
# 使用Parallel和delayed来并行地对每个输入执行slow_function  
results = Parallel(n_jobs=3)(delayed(slow_function)(x, y) for x, y in inputs)  
  
# 打印结果  
print(results)

在这个示例中，我们定义了一个函数slow_function，它接受两个变量x和y。然后，我们创建了一个包含输入变量的列表inputs，其中每个元素都是一个元组，包含两个变量。通过使用Parallel和delayed，我们并行地对列表中的每个输入执行了slow_function函数。最后，我们打印了结果。

请注意，在使用Parallel时，你可以通过设置n_jobs参数来控制并行任务的数量。在上面的示例中，我们设置了n_jobs=3，这意味着最多同时执行3个任务。你可以根据自己的需求调整这个参数。