你的思路方向完全正确，只需要稍微完善包装函数的逻辑，让它在捕获异常时返回一个明确的占位值（比如NaN），而不是直接pass，这样pool.starmap就能正常收集所有结果，不会因为单个任务出错而终止整个程序。

方法一：针对mpcalc.ccl的专用包装函数 #

你写的run_ccl函数缺少返回值处理，修改后可以这样实现：

import numpy as np
import metpy.calc as mpcalc

def run_ccl(p, t, td):
    try:
        # 正常执行CCL计算并返回结果
        return mpcalc.ccl(p, t, td)
    except Exception as e:
        # 打印错误信息，方便后续排查出问题的参数（可选但推荐）
        print(f"计算CCL时遇到异常: {str(e)}，参数：p={p}, t={t}, td={td}")
        # 返回NaN作为出错标记，后续可以识别并处理这些异常结果
        return np.nan

然后直接用这个包装函数调用starmap即可：

from multiprocessing import Pool

# 假设你的ccl_argument_list已经准备完成
with Pool() as pool:
    ccl_pooled = pool.starmap(run_ccl, ccl_argument_list)

这样每个任务都会独立执行，哪怕某个参数组合触发罕见异常，也只会返回NaN，其他任务不受影响，程序会继续处理完所有数千个数据点。

方法二：通用包装器（适用于任意函数） #

如果你以后还需要给其他MetPy函数做类似的异常处理，可以写一个通用的包装函数，避免重复编写相似代码：

import numpy as np

def safe_execute(func, *args):
    try:
        return func(*args)
    except Exception as e:
        print(f"执行函数{func.__name__}时出错: {str(e)}，参数：{args}")
        return np.nan

使用时需要调整你的参数列表，把目标函数作为每个参数元组的第一个元素：

# 转换原参数列表，每个元组前加上mpcalc.ccl
ccl_args_with_func = [(mpcalc.ccl, p, t, td) for p, t, td in ccl_argument_list]

with Pool() as pool:
    ccl_pooled = pool.starmap(safe_execute, ccl_args_with_func)

关键说明 #

• 捕获Exception是为了覆盖所有可能的罕见异常（你提到无法复现具体异常类型），如果之后明确了异常类型，可以改成捕获特定异常（比如IndexError），这样更严谨。
• 返回NaN是因为它是数值计算中常用的异常标记，后续你可以用numpy的函数（比如np.isnan）快速筛选出异常结果，进行二次处理。
• 使用with Pool()上下文管理器可以自动管理进程池的资源，避免手动关闭的麻烦。

备注：内容来源于stack exchange，提问作者user8229029