Estoy accediendo a un marco de datos de Pandas muy grande como una variable global. Se accede a esta variable en paralelo a través debolsa de trabajo.

P.ej.

df = db.query("select id, a_lot_of_data from table")

def process(id):
    temp_df = df.loc[id]
    temp_df.apply(another_function)

Parallel(n_jobs=8)(delayed(process)(id) for id in df['id'].to_list())

Acceder al df original de esta manera parece copiar los datos a través de los procesos. ¿Esto es inesperado ya que el df original no se modifica en ninguno de los subprocesos? (¿O es eso?)