优化代码def parallel_cal(input_packages, cpu_count): """ 并行计算函数 :param input_packages: 输入函数参数 :param cpu_count: CPU数量 :return: """ number = 0 with concurrent.futures.ProcessPoolExecutor(max_workers=cpu_count) as executor: res = executor.map(batt_cal, input_packages) for car in zip(input_packages): print('Process %s , is No. %d' % (car, number)) number += 1 return

这段代码的问题在于，您使用了`zip`函数将`input_packages`和`executor.map(batt_cal, input_packages)`打包在一起，但`zip`函数只会返回一个元组，包含每个迭代器中相同位置的元素。因此，您的`for`循环只会遍历`input_packages`一次，而不是遍历每个并行计算的结果。因此，您需要修改代码以正确遍历每个并行计算的结果。以下是修改后的代码：

import concurrent.futures

def parallel_cal(input_packages, cpu_count):
    """
    并行计算函数
    :param input_packages: 输入函数参数
    :param cpu_count: CPU数量
    :return:
    """
    with concurrent.futures.ProcessPoolExecutor(max_workers=cpu_count) as executor:
        futures = [executor.submit(batt_cal, package) for package in input_packages]
        for number, future in enumerate(concurrent.futures.as_completed(futures)):
            res = future.result()
            print('Process %d is completed with result %s' % (number, res))

在这个修改后的代码中，我们使用`concurrent.futures.as_completed`函数来迭代已完成的并行计算，并使用`future.result()`方法获取结果。同时，我们也将`enumerate`函数用于`as_completed`迭代器，以便获取每个计算的编号。