为何row.to_frame().T在单进程与多进程处理中表现不同？

• 首先明确df.iterrows()的返回值：它迭代产生的是**(行索引, 行数据Series)**的二元组，而非单独的行Series。
• 单进程场景下，你应该是用了类似for idx, row in df.iterrows():的循环，通过解包元组拿到了单独的row（Series对象），所以能调用to_frame().T。
• 当你把df.iterrows()直接传给multiprocessing.Pool.map时，map会将迭代器中的每个完整元组直接传入处理函数。此时你的处理函数拿到的是整个(idx, row)元组，而非单独的行Series，元组当然没有to_frame属性，因此报错。

• 方法1：将迭代器转换为只包含行Series的序列，比如[row for idx, row in df.iterrows()]，再传给Pool.map。
• 方法2：修改处理函数，让它先对传入的元组解包，比如：

  def process_item(item):
      idx, row = item
      # 后续处理row.to_frame().T...
  

内容的提问来源于stack exchange，提问作者MrKingsley