我有一个超过35000行的pandas系列。我想使用dask使其更高效。然而，我发现无论是dask代码还是pandas代码都需要相同的时间。
最初的"ser"是一个pandas系列，fun1和fun2是基本函数，用于在系列的各个行中执行模式匹配。
ser = ser.apply(fun1).apply(fun2)
Dask：
ser = dd.from_pandas(ser, npartitions = 16)
ser = ser.apply(fun1).apply(fun2)
在检查CPU核心状态时，我发现并不是所有的核心都在运行。只有一个核心被用于 100%。
是否有一种方法可以使用Dask使系列代码更快或者利用CPU的所有核心来执行Dask操作？
请参见http://dask.pydata.org/en/latest/scheduler-overview.html
你正在调用的函数可能是纯Python的，并且会占用GIL（全局解释器锁），它确保在线程中仅有一个Python指令被处理。在这种情况下，您需要在单独的进程中运行您的函数才能看到任何并行性。您可以通过使用多进程调度程序来实现这一点。
ser = ser.apply(fun1).apply(fun2).compute(scheduler='processes')
或者通过使用分布式调度器（在单台计算机上运行良好，并且实际上具有一些下一代优势，例如状态仪表板）；在最简单的默认情况下，只需创建客户端即可：
client = dask.distributed.Client()
但你应该阅读文档