原文鏈接：老五網創圈
Python是一門非常適合處理數據和自動化完成重複性工作的編程語言，我們在用數據訓練機器學習模型之前，通常都需要對數據進行預處理，而Python就非常適合完成這項工作，比如需要重新調整幾十萬張圖像的尺寸，用Python沒問題！你幾乎總是能找到一款可以輕鬆完成數據處理工作的Python庫。
然而，雖然Python易於學習，使用方便，但它並非運行速度最快的語言。默認情況下，Python程序使用一個CPU以單個進程運行。不過如果你是在最近幾年配置的電腦，通常都是四核處理器，也就是有4個CPU。這就意味着在你苦苦等待Python腳本完成數據處理工作時，你的電腦其實有75%甚至更多的計算資源就在那閒着沒事幹！
今天我（作者Adam Geitgey——譯者注）就教大家怎樣通過並行運行Python函數，充分利用你的電腦的全部處理能力。得益於Python的 concurrent.futures 模塊，我們只需3行代碼，就能將一個普通數據處理腳本變爲能並行處理數據的腳本，提速4倍。
普通Python處理數據方法
比方說，我們有一個全是圖像數據的文件夾，想用Python爲每張圖像創建縮略圖。
下面是一個短暫的腳本，用Python的內置glob函數獲取文件夾中所有JPEG圖像的列表，然後用Pillow圖像處理庫爲每張圖像保存大小爲128像素的縮略圖：
import glob
import os
from PIL import Image
def make_image_thumbnail(filename):
# 縮略圖會被命名爲"_thumbnail.jpg"
base_filename, file_extension = os.path.splitext(filename)
thumbnail_filename = f"{base_filename}_thumbnail{file_extension}"
# 創建和保存縮略圖
image = Image.open(filename)
image.thumbnail(size=(128, 128))
image.save(thumbnail_filename, "JPEG")
return thumbnail_filename
# 循環文件夾中所有JPEG圖像，爲每張圖像創建縮略圖
for image_file in glob.glob("*.jpg"):
thumbnail_file = make_image_thumbnail(image_file)
print(f"A thumbnail for {image_file} was saved as {thumbnail_file}")
這段腳本沿用了一個簡單的模式，你會在數據處理腳本中經常見到這種方法：
首先獲得你想處理的文件（或其它數據）的列表
寫一個輔助函數，能夠處理上述文件的單個數據
使用for循環調用輔助函數，處理每一個單個數據，一次一個。
咱們用一個包含1000張JPEG圖像的文件夾測試一下這段腳本，看看運行完要花多長時間：
$ time python3 thumbnails_1.py
A thumbnail for 1430028941_4db9dedd10.jpg was saved as 1430028941_4db9dedd10_thumbnail.jpg
[... about 1000 more lines of output ...]
real 0m8.956s
user 0m7.086s
sys 0m0.743s
運行程序花了8.9秒，但是電腦的真實工作強度怎樣呢？