Python 首次多处理，无法正常运行

这是我的密码：

def feature(x):
    times = []
    for j in array:
        pat = x[x.id == j]
        min_dates_j = pat.groupby(["event_description"]).min()

        try:
            time = ((min_dates_j.loc["test1","event_description"] -  min_dates_j.loc["test2","event_description"]).days) 
        except:
            time = np.NaN()

        times.append(time)

        return times

from multiprocessing import Pool

p = Pool(10)

times = p.map(feature, df)

feature_df["A"] = times  

这段代码需要很长时间才能运行，所以我尝试使用多处理来加快编译时间。任何帮助都将不胜感激

我已经看过了

池

函数，我不太明白为什么它不能提高性能

编辑：

我想提到的是，我的数据集包含20494463行，我的系统有16个CPU

p = Pool(16)

times = p.map(feature, np.array_split(df,150))

---

它是否正在运行并给出正确的结果？它甚至还没有完全编译。该代码在较小的示例集上工作，不是编译吗？我想你不是这个意思。你能用一个小集合测试它，看看多重处理是否有效，并给出正确的结果吗？另外，我很确定这会在函数中抛出

namererror

和

array

。。。另外，如果

df

是一个

pd.DataFrame

，那么

map

将迭代列名。事实上，您编写函数的方式，我不确定您是否可以使用

map

…嗯，您还有其他建议吗？很抱歉，这是全新的meIs，它正在运行并为您提供正确的结果？它甚至还没有完全编译。该代码在较小的示例集上工作，不是编译吗？我想你不是这个意思。你能用一个小集合测试它，看看多重处理是否有效，并给出正确的结果吗？另外，我很确定这会在函数中抛出

namererror

和

array

。。。另外，如果

df

是一个

pd.DataFrame

，那么

map

将迭代列名。事实上，您编写函数的方式，我不确定您是否可以使用

map

…嗯，您还有其他建议吗？对不起，这对我来说是全新的