小编Shu*_*iao的帖子

您好，我正在尝试使用多处理来加速我的代码。但是，apply_async 对我不起作用。我尝试做一个简单的例子，例如：

from multiprocessing.pool import Pool
t = [0, 1, 2, 3, 4, 5]
def cube(x):
    t[x] = x**3
pool = Pool(processes=4)
for i in range(6):
    pool.apply_async(cube, args=(i, ))
for x in t:
    print(x)

它并没有t像我预期的那样真正改变。

我的真实代码是这样的：

from multiprocessing.pool import Pool
def func(a, b, c, d):
    #some calculations
    #save result to files
    #no return value
lt = #list of possible value of a
#set values to b, c, d
p = Pool()
for i in lt:
    p.apply_async(func, args=(i, b, …

我有一个函数，它是一组相对较大的数据的插值。我使用线性插值，interp1d所以有很多像这样的非平滑尖点。quadscipy的函数会因为尖点而发出警告。我想知道如何在没有警告的情况下进行集成？

谢谢！

感谢所有的答案。在这里，我总结了一些解决方案，以防其他人遇到同样的问题：

1. 就像@Stelios 所做的那样，用于points避免警告并获得更准确的结果。
2. 在实践中，点数通常大于 的默认 limit( limit=50) quad，所以我选择quad(f_interp, a, b, limit=2*p.shape[0], points=p)避免所有这些警告。
3. 如果a和b不是数据集的相同起点或终点x，则p可以通过以下方式选择点p = x[where(x>=a and x<=b)]