使用numpy.unique结合tkinter与多线程时的疑似Bug问题

你遇到的问题核心是带axis参数的numpy.unique会长时间持有Python全局解释器锁（GIL），导致tkinter的主线程无法获取GIL来处理GUI事件，最终表现为GUI冻结。

为什么会这样？ #

• Python线程受GIL限制，同一时间只有一个线程能执行Python字节码。
• numpy.unique不带axis参数时，内部实现可能用到了释放GIL的优化（比如底层C代码的无Python交互逻辑），子线程执行时会周期性释放GIL，让主线程有机会处理GUI事件。
• 但传入axis参数后，numpy.unique的实现逻辑更复杂，整个计算过程可能持续持有GIL，完全阻塞主线程的事件循环，所以GUI看起来像在同一线程执行一样被冻结。
• 单独的多线程测试中，主线程只需要打印一句话，不需要持续的事件循环，所以能在子线程计算完成前输出内容，不会暴露GIL阻塞的问题。

解决办法 #

最直接的方案是用多进程代替多线程，绕过GIL的限制——进程间是独立的内存空间，不受GIL约束。

方案1：使用multiprocessing模块

修改回调函数，用multiprocessing.Process替代threading.Thread：

import numpy as np
import multiprocessing
import tkinter as tk


def func(n):
    a = np.random.randint(256, size=(n, 3))
    np.unique(a, axis=0)
    print('done')


def callback():
    # 使用多进程而非线程
    process = multiprocessing.Process(target=func, args=(10**7,))
    process.start()


root = tk.Tk()
button = tk.Button(root, text='Press me', command=callback)
button.pack()
scale = tk.Scale(root)
scale.pack()
root.mainloop()

方案2：使用concurrent.futures.ProcessPoolExecutor

如果需要处理返回值，ProcessPoolExecutor会更便捷：

import numpy as np
import concurrent.futures
import tkinter as tk


def func(n):
    a = np.random.randint(256, size=(n, 3))
    result = np.unique(a, axis=0)
    print('done')
    return result.shape


def callback():
    with concurrent.futures.ProcessPoolExecutor() as executor:
        # 非阻塞提交任务到进程池
        future = executor.submit(func, 10**7)
        # 可选：添加回调处理返回值（回调函数在主线程执行）
        future.add_done_callback(lambda f: print(f"结果形状：{f.result()}"))


root = tk.Tk()
button = tk.Button(root, text='Press me', command=callback)
button.pack()
scale = tk.Scale(root)
scale.pack()
root.mainloop()

注意事项 #

• 多进程模式下，进程间内存独立，传递大量数据会有额外开销，必要时可使用共享内存或队列优化。
• 所有tkinter GUI操作必须在主线程执行，禁止在子进程中操作GUI元素。

内容的提问来源于stack exchange，提问作者David Webb