无法在 Python 多处理中从子进程返回 manager.list 来自 array.tolist()

Question

我想通过 array(a).tolist() 更改多处理子进程中的 manager.list。在子流程中添加列表有效，但使用该方法更改无效。

任何提示什么是错的？非常感谢。

from multiprocessing import Process, Manager
import numpy as np

def f(lst, lst1):
    lst.append([2])
    a = np.array([[8],[9]])
    lst1 = np.array(a).tolist()
    print('lst1: ', lst1)

if __name__ == '__main__':

    manager = Manager()

    lst = manager.list()
    lst.append([1])
    print('lst main before: ', lst)

    lst1 = manager.list()
    lst1.append([7])
    print('lst1 main before: ', lst1)

    p = Process(target=f, args=(lst,lst1))
    p.start()
    p.join()

    print('lst main after: ', lst)
    print('lst1 main after: ', lst1)

输出：

lst main before:  [[1]]
lst1 main before:  [[7]]
lst1:  [[8], [9]]
lst main after:  [[1], [2]]
lst1 main after:  [[7]]

Answer 1

函数参数本身是函数的局部变量。

因此，在def f(lst, lst1): 中，您定义了两个名为lst 和lst1 的新变量，它们被分配了您调用函数时使用的值。将变量命名为与您传入的变量相同的名称不会影响这一点。事实上，像 PyCharm 这样优秀的 Python 编辑器会在您执行此操作时发出警告，因为您正在“遮蔽”全局。

如果您要修改分配给lst1 的列表，这将更改全局指向的列表（它是同一个列表），但是如果您将新的东西分配给lst1，它将不再指向那个列表，你不会看到全局变量的变化。

例如：

def change_and_assign(xs):
    # adds 'b' to the list pointed to by local xs, but also global; it's the same list
    xs.append('b')
    # assigns a new list to the local, but doesn't modify global xs
    xs = ['c']

xs = ['a']
change_and_assign(xs)
print(xs)

这将打印['a', 'b']，而不是['c']。

您应该返回您所追求的值，或者将其分配给没有被遮蔽的全局变量（但我建议使用之前的值）：

def change_and_return_new(xs):
    # same as before
    xs.append('b')
    # function will return the value and return value can be assigned
    return ['c']

xs = ['a']
# assign return value to ys
ys = change_and_return_new(xs)
print(xs, ys)

def change_and_assign_global(xs):
    # declare that zs should be a global
    global zs
    # same as before
    xs.append('b')
    # assign a new list to the global zs
    zs = ['c']

xs = ['a']
# this will modify xs, but also create a global zs
change_and_assign_global(xs)
print(xs, zs)

如果您不明白发生了什么，请重新阅读并查看是否理解，或者查找有关全局和局部变量和范围的其他信息 - 如果您想自己编写 Python 代码而不难追踪错误。

Answer 2

我找到了一个解决方案，答案已经在代码中，非常简单，抱歉问：

a = np.array([[8],[9]])
lst2 = np.array(a).tolist()
L1.append(lst2)

代替：

a = np.array([[8],[9]])
lst1 = np.array(a).tolist()