我有一個Python腳本，可以在包含超過10，000個DBF文件的目錄中讀取，以便將它們轉換為CSV。我想將此任務視為一般化，而不是單獨轉換每個文件。我已經閱讀了Python的多處理模塊，盡管我在實現此任務時遇到了一些麻煩。具體來說，我想使用 Pool 類在 CPU 內核之間分配工作負載。這是我到目前為止的代碼：import osfrom dbfread import DBFimport pandas as pdimport multiprocessingdirectory = 'C:\\Path_to_DBF_Files' #define file directory files_in = os.listdir(directory) #store files in directory to list def convert():    for file in files_in:        if file.startswith('D') and file.endswith('.DBF'): #define parameters of filenames to convert            file_path = os.path.join(files_in, file)            print(f'\nReading in {file}...')            dbf = DBF(file_path) #create DBF object             dbf.encoding = 'utf-8' #set encoding attribute to utf-8 instead of acsii             dbf.char_decode_errors = 'ignore' #set decoding errors attribute to ignore any errors and read in DBF file as is             print('\nConverting to DataFrame...')            df = pd.DataFrame(iter(dbf)) #convert to Pandas dataframe             df.columns.astype(str) #convert column datatypes to string            print(df)            print('\nWriting to CSV...')            dest_directory = 'C:\\Path_to_output_directory\\%s.csv' % ('D' + file.strip('.DBF')) #define destination directory and names for output files             df.to_csv(dest_directory, index = False)            print(f'\nConverted {file} to CSV. Moving to next file...')        elif file.startswith('B') and file.endswith('.DBF'): #define parameters for unnecessary files             print('\nB file not needed.')            continue        elif file.endswith('.FPT'): #skip FPT files             print('Skipping FPT file.')            continue我在StackOverflow上讀到了一些與我的問題有些相似的答案;但是，我沒有看到任何適用于我的特定任務的內容。如何改進代碼，使腳本同時處理多個文件，而不是一次只讀取和轉換一個文件？感謝您提供的任何幫助。