to_datetime函数的Python多线程实现

我需要对Python作业实现多线程

我有一个字典，字典中的每个键（大约40个）都是一个带时间戳的数据帧。大多数数据帧都有100000多行。它们的时间戳是

%Y-%m-%d%H:%m:%S“

格式的字符串

要转换时间戳字符串，我使用以下函数：

def to_dt(df):
    df['timestamp'] = df['timestamp'].map(lambda n: pd.to_datetime(n, format='%Y-%m-%d %H:%M:%S'))
    return df

所以我想把每个进程

放到一个单独的线程中。我该怎么做

为了简化，让我们考虑下面的设置：

def to_dt(df):
    df['timestamp'] = df['timestamp'].map(lambda n: pd.to_datetime(n, format='%Y-%m-%d %H:%M:%S'))
    return df

# empty dictionary
d_test = {}

# dataframe with single string timestamp column
df = pd.DataFrame(columns=['st_dt'])

# populate dataframe with 1000 timestamp rows
for i in range(1000):
    df.loc[len(df)] = ['2018-10-02 10:00:00']

# add 20 instances of the dataframe to the dictionary with keys in format "a0" to 'a19'
for i in range(20):
    d_test['a'+str(i)] = df

现在，我们如何进行

范围（20）内的i的
：
to_dt（d_测试['a'+str（i）]）

要在单独的线程中运行？
只需阅读Python中的线程只应在进程执行过程中出现某种等待时使用，例如连接到远程服务器或端口扫描等

在上述情况下，没有任何等待，因此不需要threadig。
由于GIL的存在，Python中任何时候都只有一个线程在运行，因此在这种情况下，多线程只会使性能更差

为了使用多核，您需要多处理而不是多线程，但是产生新进程的沉重开销肯定会超过其好处，因此在您的情况下，最好使用单个
pd.to_datetime

也很好地解释了GIL。
有了这样的多线程，您的进程会慢得多。基本上，您是说，在这种情况下，我最好不使用线程：我做对了吗？