应用python进行数据挖掘或计算时,往往需要遍历多种参数进行数据建模,而单次的建模或计算有时候非常耗时,这时候可以利用python的并行计算功能,加快计算速度。
python能够应用并行计算的模块有多个multiprocessing、pathos等。其中multiprocessing模块应用的较多,但对于数据挖掘场景来说,pathos模块更实用,尤其允许输入多个可变参数非常简单实用。
1.环境&软件win10 64bit
Python 3.7
2.功能实现
本文总结整理了常见的并行计算场景,编写parallel.py模块,主要利用pathos模块实现,可以实现单变量并行、多变量并行、并行嵌套等功能。通过tdqm模块增加了进度条,可以显示计算进度等信息,通过functools模块中的partial函数将静态参数冻结,以适应并行框架。
import time
from functools import partial
from pathos.pools import ProcessPool, ThreadPool
from tqdm import tqdm
def parallel(func, *args, show=False, thread=False, **kwargs):
""" 并行计算
:param func: 函数,必选参数
:param args: list/tuple/iterable,1个或多个函数的动态参数,必选参数
:param show:bool,默认False,是否显示计算进度
:param thread:bool,默认False,是否为多线程
:param kwargs:1个或多个函数的静态参数,key-word形式
:return:list,与函数动态参数等长
"""
# 冻结静态参数
p_func = partial(func, **kwargs)
# 打开进程/线程池
pool = ThreadPool() if thread else ProcessPool()
try:
if show:
start = time.time()
# imap方法
with tqdm(total=len(args[0]), desc="计算进度") as t: # 进度条设置 r = []
for i in pool.imap(p_func, *args):
r.append(i)
t.set_postfix({'并行函数': func.__name__, "计算花销": "%ds" % (time.time() - start)}) t.update()
else:
# map方法
r = pool.map(p_func, *args)
return r
except Exception as e:
print(e)
finally:
# 关闭池
pool.close() # close the pool to any new jobs
pool.join() # cleanup the closed worker processes
pool.clear() # Remove server with matching state
函数parallel的参数定义顺序需要注意:必选参数--任意位置参数--默认参数--任意关键字参数。
3.结果展示
定义另一个parallel_main.py模块,用来展示各个场景下并行计算结果。
parallel_main.py
from parallel import parallel
class A:
@staticmethod
def f1(x):
return x + 1
@staticmethod
def f2(x, y):
return x + y
@staticmethod
def f3(x, y, p=100):
return x + y + p
@staticmethod
def f4(x):
import time
time.sleep(1)
return x + 1
def f5(self, x):
from parallel import parallel
r = parallel(self.f1, [1, 2, 3], thread=True) # [2,3,4]
return x + sum(r)
def f6(self, x):
from parallel import parallel
r1 = parallel(self.f1, [1, 2, 3], thread=True) # [2,3,4]
r2 = parallel(self.f2, [1, 2, 3], r1, thread=True) # [3,5,7]
return x + sum(r2)
if __name__ == '__main__':
f = A()
print("f1计算结果(单参数并行模式):", parallel(f.f1, [1, 2, 3]), "\n", "#" * 50) print("f2计算结果(多参数并行模式):", parallel(f.f2, [1, 2, 3], [4, 5, 6]), "\n", "#" * 50) print("f3计算结果(多参数并行+函数参数模式):", parallel(f.f3, [1, 2, 3], [4, 5, 6], p=200), "\n", "#" * 50) print("f4计算结果(进度显示):", parallel(f.f4, range(100), show=True), "\n", "#" * 50) print("f5计算结果(2层嵌套并行模式):", parallel(f.f5, range(10)), "\n", "#" * 50) print("f6计算结果(多层嵌套并行模式):", parallel(f.f6, range(10)), "\n", "#" * 50)
运行parallel_main.py文件,结果如下:
4.总结&归纳
parallel函数使用注意点:
(1)函数至少输入一个被并行函数,和可迭代序列参数
(2)要显示计算过程,设置show=True
(3)被并行函数的依赖模块需要导入,否则报NameError
(4)嵌套并行需要导入parallel模块,且子并行需要设置为多线程模式(thread=True)