我有一个函数，我想通过一组索引来迭代pandas Dataframe 。

import pandas as pd
df = pd.DataFrame({"colA": ["x"]*5+["y"]*5,
                "colB": ["a"]*2+["b"]*2+["c"]*2+["d"]*2+["e"]*2, 
                "colC": range(10)})
def example(df):
    df['colD']=df['colC']*2
    return df
def example_by_group(df, group):
    (n,m) = group
    df_temp = df[df.colA.eq(n) & df.colB.eq(m)]
    df_temp = example(df_temp)
    return df_temp
def my_function(df):
    result = pd.DataFrame()
    for _, group in df[['colA','colB']].drop_duplicates().iterrows():
        temp = example_by_group(df,group)
        result = pd.concat([result,temp])
    return result
my_function(df)

我的真实的案例非常耗时，所以我尝试像这样并行化：

from joblib import Parallel, delayed
def my_parallel_function(df, n_jobs):
    paral_execute = Parallel(n_jobs)
    parallel_function =  delayed(example_by_group)

    execution_list =(parallel_function(df, group) for _ , group in df[['colA','colB']].drop_duplicates().iterrows())

    result_list = paral_execute(execution_list)
    return pd.concat(result_list)
my_parallel_function(df, 2)

然而，我的并行函数比基本函数慢。我的 Dataframe 有大约700k行，分为大约1400组。
出于某种原因，我想避免安装其他库（dask，polars等）。
非常感谢