多行程計算最優化問題，win7系統下pycharm顯示ran out of input，請問怎么解決?

import multiprocessing

import numpy as np

import pandas as pd

import copy

import time

from scipy.optimize import minimize

import dill as pickle





# 目標函式：

def sq(b):

    global x, y

    return (np.dot((np.dot(x, b) - (y - rf)), (np.dot(x, b) - (y - rf)).T))



def func():

    return sq



# 約束條件，包括等式約束和不等式約束

def con():

    cons = ({'type': 'ineq', 'fun': lambda b: b[0]},

            {'type': 'ineq', 'fun': lambda b: b[1]},

            {'type': 'ineq', 'fun': lambda b: b[2]},

            {'type': 'ineq', 'fun': lambda b: b[3]},

            {'type': 'ineq', 'fun': lambda b: b[4]},

            {'type': 'eq', 'fun': lambda b: b[0] + b[1] + b[2] - 1},

            {'type': 'eq', 'fun': lambda b: b[3] + b[4] - 1},)

    return cons





def get_res(func, b0, cons):

    res = minimize(func(), b0, method='SLSQP', constraints=cons)

    return (res)



def get_result2(res):

    if max(res.x[:3]) == res.x[0]:

        a = 'x1'

    elif max(res.x[:3]) == res.x[1]:

        a = 'x2'

    else:

        a = 'x3'

    if res.x[3] - res.x[4] > 0.2:

        b = 'y1'

    elif res.x[4] - res.x[3] > 0.2:

        b = 'y2'

    else:

        b = 'y3'

    return (a + b)



def get_result3(y0):

    global y

    global b0

    global cons

    y = copy.deepcopy(y0)

    res = minimize(func(), b0, method='SLSQP', constraints=cons)

    return (get_result2(res))





# 以下為多行程內容



def func_m(i, data_all, y, cons, b0, out_all):

    print(3)

    data = data_all.loc[i - 59:i, :]

    data.replace(to_replace='-', value=https://bbs.csdn.net/topics/np.nan, inplace=True)

    data.dropna(axis=1, inplace=True)

    rf = data.loc[:, 'GC007']

    del data['GC007']

    y_all = data[data.columns[1:-6]]

    x = data[data.columns[-6:]]

    x['c'] = 1

    x['000001.SH'] = x['000001.SH'] - rf

    out = pd.DataFrame()

    out['code'] = y_all.columns

    print('xxxxxxxxxxx')

    out['result'] = [get_result3(y0) for y0 in y_all.T.values]

    out_num = pd.DataFrame()

    out_num['mix_type'] = list(set(out.result))

    out_num['num'] = [out[out.result == t].shape[0] for t in out_num['mix_type']]

    out_num.sort_values('mix_type', inplace=True)

    out_num.reset_index(drop=True, inplace=True)

    out_num.to_excel('C:/Users/T/Desktop/結果/'+str(i)+'.xlsx')

    #out_all[str(i)] = out_num





data_all = pd.read_excel('C:/Users/T/Desktop/分類.xlsx', sheet_name=3)



if __name__ == "__main__":

    y = []

    x = pd.DataFrame()

    cons = con()

    b0 = [1 / 3, 1 / 3, 1 / 3, 0.5, 0.5, 0.5, 0.5]

    run_list = list(range(data_all.shape[0] - 1, 59, -1))

    run_zip_list = zip(run_list[0:47], run_list[47:47 * 2], run_list[47 * 2:47 * 3],

                       run_list[47 * 3:47 * 4], run_list[47 * 4:47 * 5], run_list[47 * 5:47 * 6],

                       run_list[47 * 6:47 * 7], run_list[47 * 7:47 * 8], run_list[47 * 8:47 * 9],

                       run_list[47 * 9:47 * 10], run_list[47 * 10:47 * 11], run_list[47 * 11:47 * 12],

                       run_list[47 * 12:47 * 13], run_list[47 * 13:47 * 14], run_list[47 * 14:47 * 15],

                       )

    # 這樣缺了i=59的情況，需要額外補充

    print('xx')

    t1 = time.time()

    out_all = multiprocessing.Manager().dict()  # 主行程與子行程共享這個字典



    for i1, i2, i3, i4, i5, i6, i7, i8, i9, i10, i11, i12, i13, i14, i15 in run_zip_list:

        p1 = multiprocessing.Process(target=func_m, args=(i1, data_all, y, cons, b0, out_all,))

        # p2=multiprocess.Process(target=func_m,args=(i2,data_all,y,cons,b0,out_all,x,))

        # p3=multiprocess.Process(target=func_m,args=(i3,data_all,y,cons,b0,out_all,x,))

        '''

        p4=multiprocess.Process(target=func_m,args=(i4,data_all,y,cons,b0,out_all))

        p5=multiprocess.Process(target=func_m,args=(i5,data_all,y,cons,b0,out_all))

        p6=multiprocess.Process(target=func_m,args=(i6,data_all,y,cons,b0,out_all))

        p7=multiprocess.Process(target=func_m,args=(i7,data_all,y,cons,b0,out_all))

        p8=multiprocess.Process(target=func_m,args=(i8,data_all,y,cons,b0,out_all))

        p9=multiprocess.Process(target=func_m,args=(i9,data_all,y,cons,b0,out_all))

        p10=multiprocess.Process(target=func_m,args=(i10,data_all,y,cons,b0,out_all))

        p11=multiprocess.Process(target=func_m,args=(i11,data_all,y,cons,b0,out_all))

        p12=multiprocess.Process(target=func_m,args=(i12,data_all,y,cons,b0,out_all))

        p13=multiprocess.Process(target=func_m,args=(i13,data_all,y,cons,b0,out_all))

        p14=multiprocess.Process(target=func_m,args=(i14,data_all,y,cons,b0,out_all))

        p15=multiprocess.Process(target=func_m,args=(i15,data_all,y,cons,b0,out_all))

        '''

        t1 = time.time()

        p1.start()

        p1.join()

        '''

        for p in (p1,p2,p3,p4,p5,p6,p7,p8,p9,p10,p11,p12,p13,p14,p15):

            p.start()

        for p in (p1,p2,p3,p4,p5,p6,p7,p8,p9,p10,p11,p12,p13,p14,p15):

            p.join()

        '''

        break

    t2 = time.time()

    print((t2 - t1) / 60)

標籤：腳本語言(Perl/Python)

上一篇：奔向月薪10萬

下一篇：初學者的python疑問