除信号外，从QRunnable子类Worker向主线程传递结果的安全方式

首先纠正你的一个误解：PyQt/PySide的信号槽在传输大数据时，性能并没有你想象的那么差。因为Python中信号槽传递大型对象（比如pd.DataFrame）本质是传递引用，不会做深拷贝，开销极低；即使跨线程，Qt的线程机制也能高效处理对象转移。不过如果你确实想避开信号槽，以下几种方法都能安全实现需求：

方法1：给Worker添加结果属性，等待线程池完成后直接读取 #

在Worker类里定义一个存储结果的属性，run()方法执行完毕后把结果赋值给它。之后调用QThreadPool.waitForDone()等待任务结束，直接访问Worker对象的结果属性即可。

示例代码：

from PyQt5.QtCore import QRunnable, QThreadPool
import pandas as pd
import pythoncom
import win32com.client

class OutlookWorker(QRunnable):
    def __init__(self):
        super().__init__()
        self.result = None  # 预留结果存储位

    def run(self):
        pythoncom.CoInitialize()
        outlook = win32com.client.Dispatch("Outlook.Application").GetNamespace("MAPI")
        inbox = outlook.GetDefaultFolder(6)
        messages = inbox.Items
        # 生成目标数据
        mail_dict = {msg.Subject: msg for msg in messages[:10]}
        big_df = pd.DataFrame(range(1_000_000), columns=["data"])
        self.result = {"mails": mail_dict, "df": big_df}
        pythoncom.CoUninitialize()

# 使用流程
thread_pool = QThreadPool.globalInstance()
worker = OutlookWorker()
thread_pool.start(worker)
thread_pool.waitForDone()  # 必须等任务完成再取结果

if worker.result:
    print(f"DataFrame行数: {worker.result['df'].shape[0]}")
    print(f"抓取到的邮件数量: {len(worker.result['mails'])}")

注意点：

• 多Worker场景下，要把所有Worker实例存在列表里，等全部完成后逐个读取结果。
• 不要在waitForDone()之前访问self.result，否则可能拿到未初始化的空值。

方法2：传入回调函数，任务完成后直接触发 #

初始化Worker时传入一个回调函数，run()执行完毕后直接调用该函数并传入结果。这种方式不需要等待整个线程池，任务结束就能立即处理结果，完全绕开信号槽。

示例代码：

from PyQt5.QtCore import QRunnable, QThreadPool
import pandas as pd
import pythoncom
import win32com.client
from PyQt5.QtCore import QMetaObject, Qt

class OutlookWorker(QRunnable):
    def __init__(self, callback):
        super().__init__()
        self.callback = callback

    def run(self):
        pythoncom.CoInitialize()
        outlook = win32com.client.Dispatch("Outlook.Application").GetNamespace("MAPI")
        inbox = outlook.GetDefaultFolder(6)
        messages = inbox.Items
        mail_dict = {msg.Subject: msg for msg in messages[:10]}
        big_df = pd.DataFrame(range(1_000_000), columns=["data"])
        result = {"mails": mail_dict, "df": big_df}
        # 执行回调传递结果
        self.callback(result)
        pythoncom.CoUninitialize()

# 回调函数：如果要更新UI，记得切回主线程
def handle_result(result):
    # 示例：如果是UI操作，用QMetaObject.invokeMethod切换线程
    # QMetaObject.invokeMethod(ui_label, "setText", Qt.QueuedConnection,
    #                          Qt.Q_ARG(str, f"邮件数量: {len(result['mails'])}"))
    print(f"DataFrame行数: {result['df'].shape[0]}")
    print(f"抓取到的邮件数量: {len(result['mails'])}")

# 使用流程
thread_pool = QThreadPool.globalInstance()
worker = OutlookWorker(callback=handle_result)
thread_pool.start(worker)

注意点：

• 回调函数默认在Worker的工作线程执行，如果要更新UI，必须用QMetaObject.invokeMethod或QTimer.singleShot(0, ...)切换到UI线程，否则会触发线程安全问题。

方法3：用线程安全队列传递结果和Worker对象 #

创建threading.Queue（线程安全），Worker完成任务后把自身实例和结果一起放入队列，主线程从队列中取出数据处理。这种方式适合批量任务场景，能清晰对应每个Worker的结果。

示例代码：

from PyQt5.QtCore import QRunnable, QThreadPool
import pandas as pd
import pythoncom
import win32com.client
import threading

class OutlookWorker(QRunnable):
    def __init__(self, result_queue):
        super().__init__()
        self.result_queue = result_queue

    def run(self):
        pythoncom.CoInitialize()
        outlook = win32com.client.Dispatch("Outlook.Application").GetNamespace("MAPI")
        inbox = outlook.GetDefaultFolder(6)
        messages = inbox.Items
        mail_dict = {msg.Subject: msg for msg in messages[:10]}
        big_df = pd.DataFrame(range(1_000_000), columns=["data"])
        # 将自身和结果放入队列
        self.result_queue.put( (self, {"mails": mail_dict, "df": big_df}) )
        pythoncom.CoUninitialize()

# 使用流程
result_queue = threading.Queue()
thread_pool = QThreadPool.globalInstance()

# 启动多个Worker
for idx in range(3):
    worker = OutlookWorker(result_queue)
    thread_pool.start(worker)

# 等待所有任务完成后读取队列
thread_pool.waitForDone()
while not result_queue.empty():
    worker, result = result_queue.get()
    print(f"Worker {id(worker)} 结果：DataFrame行数 {result['df'].shape[0]}")

再聊信号槽的性能问题 #

你担心的信号槽传输大数据慢，在PyQt/PySide中基本不存在：

• 同线程下用Qt::DirectConnection传递的是对象引用，没有拷贝开销；
• 跨线程的Qt::QueuedConnection会自动处理对象的线程上下文转移，但对于pd.DataFrame这类容器，依然是传递引用，性能损耗可以忽略；
• 如果之前遇到过信号槽慢的情况，大概率是因为错误传递了需要深拷贝的对象，或者频繁触发信号导致的累积开销（单次大数据传输不会有这个问题）。

内容的提问来源于stack exchange，提问作者LukaszPe