Python多处理无法加速统计建模

Question

我已经定义了一个Python函数，以利用所有CPU内核并行构建ARIMA（财务预测）模型。运行此代码的服务器具有48个核心。因此，我将我的大型Pandas数据帧分为40个分区（为了安全起见），并使用多处理模块的Pool函数并行处理所有分区。 “ func”是在将Statsmodels ARIMA应用于各个分区之后返回结果数据帧的函数。尽管我可以清楚地看到在UNIX Shell中多个进程正在同时运行，但是我没有观察到非并行处理的实际提速。我猜这是由于进程间通信较慢所致。我可以在代码中进行哪些更改以提高处理速度？

def MultiProcessing_dataframe(df, func):
   n_Partitions = 40
   df_split   = np.array_split(df, n_Partitions)
   pool = multiprocessing.Pool()
   Results = pd.concat(pool.map(func, df_split))
   pool.close()
   pool.join()
   return Results