Python：并行修改数组的简单方法

这个问题可能听起来很简单，但作为 Python 并行化的新手，我肯定会遇到困难。我处理了 OpenMP for C++ 中的并行化问题，这要容易得多。 我需要做的是并行修改矩阵的条目。就是这样。问题是，我无法使用简单的 joblib 库来做到这一点：

from joblib import Parallel, delayed

my_array = [[ 1 ,2 ,3],[4,5,6]]

def foo(array,x):
  for i in [0,1,2]:
     array[x][i]=2
  return 0

def main(array):
  inputs = [0,1]
  if __name__ == '__main__':
    Parallel(n_jobs=2, verbose = 0)(delayed(foo)(array,i) for i in inputs)

main(my_array)

当作业数为 1 时（因此调用 main 后的数组都是 2），此代码可以工作，但当它实际上成为真正的多处理时（调用 main 后数组保持不变），它就不起作用了。 我认为主要问题是我无法使用 Parallel 函数返回任何有用的内容。我还尝试将数组放在共享内存中，但我找不到任何有关如何使用 joblib 执行此操作的信息。

有什么建议么？

仅使用标准库，您可以使用共享内存，在本例中是Array存储和修改您的数组：

from multiprocessing import Pool, Array, Lock

lock = Lock()

my_array = [Array('i', [1, 2, 3], lock=lock),
            Array('i', [4, 5, 6], lock=lock),]

让我建议您对程序进行一些修改：列出您需要对矩阵进行的所有更改的列表或时间表（为了清楚起见，我将使用namedtuple），以及映射这些变化的函数。

Change = namedtuple('Change', 'row idx value')

scheduled_changes = [Change(0, 0, 2),
                     Change(0, 1, 2),
                     Change(1, 0 ,2),
                     Change(1, 1, 2)]
# or build the scheduled changes list in any other way like using 
# for loops or list comprehensions...

def modify(change, matrix=my_array):
    matrix[change.row][change.idx] = change.value

现在您可以使用Pool将修改函数映射到更改：

pool = Pool(4)
pool.map(modify, scheduled_changes)

for row in my_array:
    for col in row:
        print(col, end=' ')
    print()

# 2 2 3
# 2 2 6