多处理和ScipyDBLAQUAD

如何解决多处理和ScipyDBLAQUAD

我正在尝试加快python中以下代码的速度

import numpy as np
import matplotlib.pyplot as plt
from scipy import interpolate
from scipy import integrate
import camb
from tqdm import tqdm
import os

#Reading a PS
dir = os.getcwd()
data = np.loadtxt(dir+"/ps1-peacock.txt")
kh = data[:,0]
p_lin = data[:,1]
p_nlin = data[:,2]
p_linear = interpolate.interp1d(kh,p_lin)

#Integrand of P22
def upper_mu(x):
    return min(1.0,(kk**2 + np.exp(2*x))/(2*kk*np.exp(x)))


def lower_mu(x):
    return max(-1.0,-(kk**2+np.exp(x))/(2*kk*np.exp(x)))

def mulow(x):
  return max(-1.0,(kh[-1]**2.0-kk**2.0-np.exp(x)**2.0)/(-2.0*kk*np.exp(x)))

def muhigh(x):
  return min(1.0,(kh[0]**2.0-kk**2.0-np.exp(x)**2.0)/(-2.0*kk*np.exp(x)))

def f22(mu,q,k):
    r = np.exp(q)/k
    F = (7.0*mu+(3.0-10.0*mu**2)*r)/(14.0*r*(r**2-2.0*mu*r+1.0))
    psik = (k**2+np.exp(2*q)-2.0*k*mu*np.exp(q))**0.5
    
    if (psik>kh[0] and psik<kh[-1]):
        return 1.0/2.0/np.pi**2.0*np.exp(3*q)*p_linear(np.exp(q))*p_linear(psik)*F**2
    else:
        return 0

P22 = np.zeros_like(kh)
error = np.zeros_like(kh)

for i in tqdm(range(0,np.shape(kh)[0])):
    kk = kh[i]
    P22[i],error[i] = integrate.dblquad(f22,np.log(kh[0]),np.log(kh[-1]),mulow,muhigh,args=(kh[i],),epsrel=1e-3,epsabs=50)[:2]

[![Here follows the integral in text for reasons of clarity][1]][1]

我想使用多重处理来提高dblquad（）的性能。有谁知道我如何在这种情况下实现它？在一天结束时这样做会有用吗？ [1] https://i.stack.imgur.com/aIIi6.png

解决方法

多重处理在这里无济于事，您无法在python进程之间拆分dblquad工作。

如果要计算多个积分，那么可以，您可以在进程之间拆分积分。这是否值得，在很大程度上取决于每个流程的工作量。