使用多进程时无法在其他函数中访问DataFrame的问题

这个问题我太熟啦！本质是多进程的内存隔离特性——子进程和主进程拥有完全独立的内存空间，你在子进程里修改的df1和主进程里的df1根本不是同一个对象，自然主进程里还是初始的空DataFrame。

下面给你两种实用的解决方案，根据你的场景选就行：

方案1：利用Pool.map()的返回值（最简单直接） #

Pool.map()本身会把子进程的执行结果收集并返回给主进程，你已经拿到了df2，只需要把主进程的df1赋值为这个结果就好。修改你的代码如下：

import multiprocessing
from multiprocessing import Pool
import pandas as pd
globvar = 0
df1 = pd.DataFrame()

def set_globvar_to_one(n):
    global globvar
    global df1
    globvar = 1
    df1 = pd.DataFrame({'content': [n]})  # 替换成你实际的DataFrame生成逻辑
    print('子进程内的df1', df1)
    return df1

def print_globvar():
    print('globvar',globvar)
    print('主进程内的df1',df1)

if __name__ == "__main__":
    a ='Python Code'
    with Pool(1) as p:
        df2= p.map(set_globvar_to_one, [a])
    # 关键：把主进程的df1赋值为子进程返回的结果（map返回列表，取第一个元素）
    df1 = df2[0]
    print ("df2返回结果----------------",df2)
    print_globvar()

运行后你会发现print_globvar()里的df1已经是子进程处理后的内容了，这种方式适合单方向传递结果的简单场景。

方案2：用Manager实现跨进程共享对象（复杂场景适用） #

如果你的需求是多个子进程需要同时读写同一个DataFrame，那可以用multiprocessing.Manager创建可跨进程共享的命名空间来包装DataFrame：

import multiprocessing
from multiprocessing import Pool, Manager
import pandas as pd

globvar = 0

def set_globvar_to_one(n, shared_ns):
    global globvar
    globvar = 1
    # 修改共享命名空间里的DataFrame
    shared_ns.df1 = pd.DataFrame({'content': [n]})
    print('子进程内的df1', shared_ns.df1)
    return shared_ns.df1

def print_globvar(shared_df):
    print('globvar',globvar)
    print('主进程内的df1', shared_df)

if __name__ == "__main__":
    a ='Python Code'
    # 创建Manager和共享命名空间
    with Manager() as manager:
        shared_ns = manager.Namespace()
        shared_ns.df1 = pd.DataFrame()  # 初始化共享的DataFrame
        
        with Pool(1) as p:
            # 把共享命名空间传给子进程
            df2= p.map(set_globvar_to_one, [(a, shared_ns)])
        
        print ("返回的df2----------------",df2)
        print_globvar(shared_ns.df1)

Manager会自动处理进程间的同步逻辑，确保多个子进程对共享对象的修改能被主进程正确感知。

内容的提问来源于stack exchange，提问作者supreeth k s