温馨提示：阅读本文需要了解一些python基础语法，例如列表生成式

系统：Mac Monterey12.4

环境：python 3.8.10

为了演示，我们创建一个简单的列表，然后需要对列表中的每一个元素计算2次方，得到一个新的列表，定义好的列表和函数如下所示：

from concurrent.futures import ProcessPoolExecutor
import time
import pandas as pd

data = [2,4,6,8]

# 计算二次方
def jisuan(x):
		# 模拟耗时任务
    time.sleep(1)
    return x**2

单线程版本：

start_time = time.time()
result = []

result_list = [jisuan(i) for i in data]
print(result_list)
print("单线程耗时：" + str(time.time() - start_time))

控制台输出：
[4, 16, 36, 64]
单线程耗时：4.009780168533325

多进程版本：

start_time = time.time()

result_Process = []

# 进程池，最多使用3个核心并行计算
with ProcessPoolExecutor(max_workers=3) as executor:
    try:
    		# map会为 data 的每个元素启动一个进程，以并发方式来执行 jisuan 函数，
        # 并收集进程计算的结果
        result = executor.map(jisuan, data)
        for i in result:
            result_Process.append(i)

    except Exception as e:
        print(e)
end_time = time.time()
print(result_Process)
print("多进程耗时：" + str(end_time - start_time))

控制台输出：
[4, 16, 36, 64]
多进程耗时：2.047276258468628

可以看到多进程版本比单线程版本所耗时间减少了一半。

在上面的计算中，data元素之间相互独立，如果存在前后依赖关系（例如计算该元素的结果，需要先算出前面一个元素的结果），则不能使用并行加速了。

若以上内容对你有帮助，欢迎点赞收藏[爱慕]