<p>在介绍如何最简单地利用 python 实现并行前，我们先来看一个简单的代码。</p><pre class="brush:python;toolbar:false">items&nbsp;=&nbsp;list() for&nbsp;item&nbsp;in&nbsp;items: &nbsp;&nbsp;&nbsp;&nbsp;process(item)</pre><p>上面的例子中，我们用一个 for 循环打印出 words 列表中的每个单词。问题来了，这里我们打印完一个单词才能接着打印另一个单词，能不能同时打印呢？好比如在银行的营业厅排队，如果只开一个窗口办理业务，你需要等前面一个人办完，才轮到你，如果能开多个窗口，显然会快很多。</p><p>我们将上面的代码抽象成下面的模式：</p><pre class="brush:python;toolbar:false">items&nbsp;=&nbsp;list() for&nbsp;item&nbsp;in&nbsp;items: &nbsp;&nbsp;&nbsp;&nbsp;process(item)</pre><p>其中，items 是一个列表，process(arg) 是一个函数，可以有返回值也可以没有。我们希望可以将这种模式改成并行处理的方式，比如可以引入多线程等处理方式，但是这些处理方式往往会让代码变得更加复杂。那么有什么简单的处理方式吗？</p><p><strong>并行化</strong></p><p>我们将上面的串行模式进行简单地改造，使之可以并行处理：</p><pre class="brush:python;toolbar:false">from&nbsp;multiprocessing.dummy&nbsp;import&nbsp;Pool&nbsp;as&nbsp;ThreadPool items&nbsp;=&nbsp;list() pool&nbsp;=&nbsp;ThreadPool() pool.map(process,&nbsp;items) pool.close() pool.join()</pre><p>下面我们进行测试：</p><pre class="brush:python;toolbar:false">#&nbsp;-*-&nbsp;coding:&nbsp;utf-8&nbsp;-*- import&nbsp;time from&nbsp;multiprocessing.dummy&nbsp;import&nbsp;Pool&nbsp;as&nbsp;ThreadPool def&nbsp;get_logger(name): &nbsp;&nbsp;&nbsp;&nbsp;logger&nbsp;=&nbsp;logging.getLogger(name) &nbsp;&nbsp;&nbsp;&nbsp;logger.setLevel(logging.DEBUG) &nbsp;&nbsp;&nbsp;&nbsp;stream_handler&nbsp;=&nbsp;logging.StreamHandler() &nbsp;&nbsp;&nbsp;&nbsp;stream_handler.setLevel(logging.DEBUG) &nbsp;&nbsp;&nbsp;&nbsp;formatter&nbsp;=&nbsp;logging.Formatter( &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&#39;%(asctime)s&nbsp;-&nbsp;%(name)s&nbsp;[%(levelname)s]&nbsp;%(message)s&#39;) &nbsp;&nbsp;&nbsp;&nbsp;stream_handler.setFormatter(formatter) &nbsp;&nbsp;&nbsp;&nbsp;logger.addHandler(stream_handler) &nbsp;&nbsp;&nbsp;&nbsp;return&nbsp;logger def&nbsp;process(item): &nbsp;&nbsp;&nbsp;&nbsp;log&nbsp;=&nbsp;_get_logger(item) &nbsp;&nbsp;&nbsp;&nbsp;log.info(&quot;item:&nbsp;%s&quot;&nbsp;%&nbsp;item) &nbsp;&nbsp;&nbsp;&nbsp;time.sleep(5) items&nbsp;=&nbsp;[&#39;apple&#39;,&nbsp;&#39;bananan&#39;,&nbsp;&#39;cake&#39;,&nbsp;&#39;dumpling&#39;] pool&nbsp;=&nbsp;ThreadPool() pool.map(process,&nbsp;items) pool.close() pool.join()</pre><p>输出结果:</p><pre class="brush:html;toolbar:false">2019-03-04&nbsp;11:23:57,530&nbsp;-&nbsp;apple&nbsp;[INFO]&nbsp;word:&nbsp;apple 2019-03-04&nbsp;11:23:57,530&nbsp;-&nbsp;bananan&nbsp;[INFO]&nbsp;word:&nbsp;bananan 2019-03-04&nbsp;11:23:57,530&nbsp;-&nbsp;cake&nbsp;[INFO]&nbsp;word:&nbsp;cake 2019-03-04&nbsp;11:23:57,531&nbsp;-&nbsp;dumpling&nbsp;[INFO]&nbsp;word:&nbsp;dumpling</pre><p>从上面显示的时间可以看到，我们已经由原来的串行打印变成并行打印了。</p><p>另外，上面的处理函数 process 是没有返回值的。假设 process 函数的返回值是 result，那么 results = pool.map(process, items) 的返回值是一个列表，每个元素对应着处理每个 item 的结果。</p><p>因此，</p><pre class="brush:python;toolbar:false">results&nbsp;=&nbsp;list() for&nbsp;item&nbsp;in&nbsp;item_list: &nbsp;&nbsp;&nbsp;&nbsp;result&nbsp;=&nbsp;process(item) &nbsp;&nbsp;&nbsp;&nbsp;results.append(result) return&nbsp;results</pre><p>上面的串行处理可以改成下面的并行处理：</p><pre class="brush:python;toolbar:false">from&nbsp;multiprocessing.dummy&nbsp;import&nbsp;Pool&nbsp;as&nbsp;ThreadPool pool&nbsp;=&nbsp;ThreadPool() results&nbsp;=&nbsp;pool.map(process,&nbsp;item_list) pool.close() pool.join() return&nbsp;results</pre><p>以上就是关于“Python中for循环并行的实现方式”的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流。</p>