Python 并行,
因此，我想首先执行简单的线性回归，用从正态分布随机生成的10000000个据点(4个特征，1个目的变量)来评价串联计算和并行计算之间的性能差。在
这是我的代码。导入熊猫当警察局
将数组作为铭牌导入
导入随机
来自勺导入流程
将statsmodels.api作为钐导入
来自时间导入时间
defLinreg(vals):
全局模型
model=sm.ols(y_vals，X_vals).适合)
返回模型
打印（模型摘要) )
if __name__==__main__ :
随机种子(42岁)。
vals=PD。数据帧(NP。随机的。normal)loc=3，scale=100，size=(1000000，5))
vals.columns=[dep ， ind1 ， ind2 ， ind3 ， ind4]
y_vals=vals[dep]
X_vals=vals[[ind1 ， ind2 ， ind3 ， ind4]]
bt=time())
model_vals=list(map(Linreg，[ 1，2，3 ])
mval=model_vals[0]
打印(mval.summary))
serial_time=time(-Bt
bt1=时间()
model _ vals _ 1=list(期货。map(Lin reg，[ 1，2，3 ])
mval_1=model_vals_1[0]
打印(mval _1 .摘要) )
parallel_time=time(-Bt1
打印（串行时间，并行时间).
但是，之后回归摘要确实是由计算机编程语言的标准映射函数串行生成的。这是错误的。跟踪后退(mostrecentcalllast):
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ lib rrib
主，修改规格)
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ lib rrib
执行（代码，run_globals))。
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ \ lib sib
美因学院。
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ \ lib sib
self.run()。
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ \ lib sib
期货_启动()
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ \ lib sib
run_name=main
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ \ lib sib
结果=_ controller.switch(根未来、args、**kargs)。
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ \ lib sib
提高未来.异常值值
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ \ lib sib
未来。结果值=未来。可赎回(*未来。args，**future.kargs))。
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ lib rrib
pkg_name=pkg_name脚本_name=fname)
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ lib rrib
模块名称、模块规格、包名称、脚本名称)
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ lib rrib
执行（代码，run_globals))。
文件scoop _ map _ linear _ regression1 .py ，第33行，英寸
model _ vals _ 1=list(期货。map(Lin reg，[ 1，2，3 ])
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ \ lib sib
对于将来的rein _ wait all(* futures):
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ \ lib sib
forfin_waitany(未来) :
文件c:\ users \ NIC colo . gentile \ appdata \ local \ continuum \ anaconda 3 \ envs \ tensor environ \ lib sib
raiseschildfuture . exception值
名称错误：未定义名称 y _ vals
是后来做的。这意味着代码将停止在model _ vals _ 1=list(期货。map(Lin reg，[ 1，2，3 ])上。在
我也试着在地图上运行了两次那个，但是确实没有出现错误。在
也指定脚本已正确启动。
^{pr2}$
从蟒蛇提示符命令行。在
实际上，如果不使用-m scoop参数启动它，正如警告中所报告的那样，它只需要使用Python内置映射函数的两倍功能，而不是并行化它，而是实际运行它。也就是说，在启动时没有指定-m scoop参数，futures.map将被替换为一个map。在
我的目标是并行运行futures.map并评估性能改进。在
指定并保留以避免其他类似的回复。在
任何评论都是高度赞扬和欢迎的。在
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。