Question

我正在玩IPython和远程控制：

in:  from IPython Import parallel as p
in:  rc=p.client(profile=myprofile)

之间存在行为差异

in:  rc[0].block
out: False
in:  rc[0].block=True
in:  rc[0].block
out: False

和

in:  view=rc[0]
in:  view.block
out: False
in:  view.block=True
in:  view.block
out: True

我真的无法理解什么追加？这是为什么？什么做分配呢？

Answer 1

作业本身什么都不做。 rc这是您的客户。执行rc[0]或任何类型的索引，会生成并返回一个DirectView对象，该对象是您在[]中指定的任何引擎的视图。这是生成视图的简写：它实际上并不只是获取特定对象。

因此，这些观点并不是唯一的。我想，解释它的最好方法就是举个例子。假设你有2个引擎。您希望仅在引擎1上运行某些任务，并希望阻止任务。您希望仅在引擎1上运行其他人，但不希望它们阻止。您希望在引擎1和2上运行更多，并且不希望它们阻止。然后你可以这样做：

view_1_block = rc[0]
view_1_block.block = True
view_2_noblock = rc[0]
view_2_noblock.block = False
view_3_noblock = rc[[0,1]]
view_3_noblock.block = False

然后，您可以使用它们以您想要的任何方式运行任务，例如

view_1_block.map(lambda x:x**10, range(32)) # blocks, returns results, runs only on 1
view_3_noblock.map(lambda x:x**10, range(32)) # does not block, returns AsyncResult, runs on 1 and 2

这里没有使用真正的魔法。当您运行rc [0]两次时，它会生成两个视图。第二种观点与第一种观点不同。将rc [0]分配给变量，然后使用该变量时，您将使用一个视图，而不是创建一个新视图。

像Numpy和Scipy一样，iPython有很多简写符号，不一定完全适合Python的习语。 []和getitem的情况尤其如此。一种更纯粹的Python编写方式可能是使用更加笨拙的rc.direct_view(1)，等等，这可以清楚地表明这不仅仅是获取一个项目，而且实际上是在创建一个视图。

在IPython中，分配变量和直接在数组中工作的区别是什么

1 个答案: