【花最少的时间、力气】Python并行计算

【教你：如何花最少的时间学习，花最少的时间优化，就可以提高代码的运行速度呢？】

Python中有全局解释器锁，他的直观含义是，一次只能处理一个线程。所以多线程是GG了，如果想要优化速度，应该是从多进程的角度考虑。一个进程包含多个线程。那么，如何花最少的时间学习，花最少的时间优化，就可以提高代码的运行速度呢？可以借助numpy来实现，如果你感兴趣了，请认真看下去。

举一个例子，我们用numpy生成一个1000000*1的随机数矩阵，我们需要对这100万个数做一个简单的逻辑判断与计算。相信，正常情况下，你们会定义这个函数，并单纯使用for loop来写：

​
​import numpy as np

x = np.random.rand(1000000)

#for loop
def f(x):
    
    if x<0.5:
        return x
    else:
        return x**2

​start=datetime.datetime.now()
y=np.full([x.shape[0],1],np.nan)
for i in range(x.shape[0]):
    y[i]=f(x[1])

end=datetime.datetime.now()
print("For loop cost %s microseconds"%str((end-start).microseconds))

但是可以看到，这样写的效率很低，需要较长的运行时间。而效率低的原因是：CPU使用率低，即没有并行。