要使numpy数组成为共享对象（完整示例）：
import ctypes as c
import numpy as np
import multiprocessing as mp
n, m = 2, 3
mp_arr = mp.Array(c.c_double, n*m) # shared, can be used from multiple processes
# then in each new process create a new numpy array using:
arr = np.frombuffer(mp_arr.get_obj()) # mp_arr and arr share the same memory
# make it two-dimensional
b = arr.reshape((n,m)) # b and arr share the same memory
如果您不需要 共享的对象 （如“共享相同的内存”），并且可以在多个进程中使用的对象就足够了，则可以使用multiprocessing.Manager：
from multiprocessing import Process, Manager
def f(L):
row = L[0] # take the 1st row
row.append(10) # change it
L[0] = row #NOTE: important: copy the row back (otherwise parent
#process won't see the changes)
if __name__ == '__main__':
manager = Manager()
lst = manager.list()
lst.append([1])
lst.append([2, 3])
print(lst) # before: [[1], [2, 3]]
p = Process(target=f, args=(lst,))
p.start()
p.join()
print(lst) # after: [[1, 10], [2, 3]]
从文档：
服务器进程管理器比使用共享内存对象更灵活，因为可以使它们支持任意对象类型。同样，可以通过网络上不同计算机上的进程共享一个管理器。但是，它们比使用共享内存慢。
602392714
清零编程群