Python含zip的for循环在等价场景下执行时长差异的原因及优化问询

我遇到了一个特别困惑的问题：在两个完全等价的场景中，我用相同的函数处理规模一致的对象，运行完全一样的for循环，但两次的执行时长差了好几倍——其中一次的for循环耗时是另一次的500多倍，多进程映射的耗时也天差地别。

核心代码片段 #

result = multiproc_map(local_analysis, state_batches)
for ii, (ATii,muii) in zip(state_batches, result):
    AT[:,ii] = ATii
    mu[ii] = muii

两次场景的执行时长对比（单位：秒） #

需要特别说明的是，两个场景中local_analysis函数的逻辑完全一致，state_batches的形状、数据规模也完全相同——理论上不应该出现这么离谱的性能差异。

我的需求 #

我希望搞清楚：

• 造成这种巨大耗时差异的可能原因是什么？
• 如何优化代码，让两次执行的总时长都能接近4秒左右（也就是场景2的总耗时水平）？

如果需要更多细节（比如multiproc_map的实现、AT/mu的数组类型等），我可以随时补充。

内容的提问来源于stack exchange，提问作者Seb