Question

我想在我拥有的所有内核上运行我的程序。这是我在程序中使用的下面的代码（它是完整程序的一部分。以某种方式，设法编写了工作流程）。

def ssmake(data):
    sslist=[]
    for cols in data.columns:
        sslist.append(cols)
    return sslist

def scorecal(slisted):
    subspaceScoresList=[]
    if __name__ == '__main__':
        pool = mp.Pool(4)
            feature,FinalsubSpaceScore = pool.map(performDBScan, ssList)
            subspaceScoresList.append([feature, FinalsubSpaceScore])

        #for feature in ssList:
            #FinalsubSpaceScore = performDBScan(feature)
            #subspaceScoresList.append([feature,FinalsubSpaceScore])
        return subspaceScoresList

def performDBScan(subspace):
    minpoi=2
    Epsj=2
    final_data = df[subspace]
    db = DBSCAN(eps=Epsj, min_samples=minpoi, metric='euclidean').fit(final_data)
        labels = db.labels_
    FScore = calculateSScore(labels)
    return subspace, FScore

def calculateSScore(cluresult):
    score = random.randint(1,21)*5
    return score

def StartingFunction(prvscore,curscore,fe_select,df):
    while prvscore<=curscore:
        featurelist=ssmake(df)
        scorelist=scorecal(featurelist)

a = {'a' : [1,2,3,1,2,3], 'b' : [5,6,7,4,6,5], 'c' : ['dog', 'cat', 'tree','slow','fast','hurry']}
df2 = pd.DataFrame(a)
previous=0
current=0
dim=[]
StartingFunction(previous,current,dim,df2)

我在for方法中有一个scorecal(slisted)循环，该循环已被注释，需要每一列来执行DBSCAN，并且必须根据结果计算该特定列的分数（但是我尝试在此处使用随机评分）。这种循环使我的代码可以运行更长的时间。因此，我尝试并行化DataFrame的每一列，以在我系统上具有的内核上执行DBSCAN，并以上述方式编写了代码，但并没有得到所需的结果。我是这个多处理库的新手。我不确定程序中'__main__'的位置。我也想知道python中是否还有其他方式可以并行运行。任何帮助表示赞赏。

Answer 1

您的代码具有使用多个内核在多核处理器上运行所需的全部功能。但这是一团糟。我不知道您尝试使用代码解决什么问题。另外，由于我不知道DBSCAN是什么，因此我无法运行它。要修复您的代码，您应该执行几个步骤。

功能scorecal()：

def scorecal(feature_list):
    pool = mp.Pool(4)
    result = pool.map(performDBScan, feature_list)
    return result

result是一个包含performDBSCAN()返回的所有结果的列表。您不必手动填充列表。

程序主体：

# imports

# functions

if __name__ == '__main__':
    # your code after functions' definition where you call StartingFunction()

我创建了非常简化的代码版本（具有4个进程的池来处理我的数据的8列），并使用了虚拟for循环（以实现cpu绑定操作）并进行了尝试。我获得了100％的CPU负载（我拥有4核i5处理器），与通过for循环实现单进程实现相比，自然可以使计算速度提高大约4倍（20秒vs 74秒）。

编辑。

我用来尝试多处理的完整代码（我使用Anaconda（Spyder）/ Python 3.6.5 / Win10）：

import multiprocessing as mp
import pandas as pd
import time


def ssmake():
    pass


def score_cal(data):
    if True:
        pool = mp.Pool(4)
        result = pool.map(
            perform_dbscan,
            (data.loc[:, col] for col in data.columns))
    else:
        result = list()
        for col in data.columns:
            result.append(perform_dbscan(data.loc[:, col]))
    return result


def perform_dbscan(data):
    assert isinstance(data, pd.Series)
    for dummy in range(5 * 10 ** 8):
        dummy += 0
    return data.name, 101


def calculate_score():
    pass


def starting_function(data):
    print(score_cal(data))


if __name__ == '__main__':

    data = {
        'a': [1, 2, 3, 1, 2, 3],
        'b': [5, 6, 7, 4, 6, 5],
        'c': ['dog', 'cat', 'tree', 'slow', 'fast', 'hurry'],
        'd': [1, 1, 1, 1, 1, 1]}
    data = pd.DataFrame(data)

    start = time.time()
    starting_function(data)
    print(
        'running time = {:.2f} s'
        .format(time.time() - start))

如何使我的程序在python中使用系统的多个内核？

1 个答案: