我有一个很长的字节字符串，比如这样(实际值可能是随机的(：
in_var = b'x01x02x03x04x05x06...xff'
我还有一个函数，它对一块字节执行操作，并返回相同数量的字节(本例中假设为10个字节(：
def foo(chunk):
# do smth with chunk
# ......
return chunk
我想用foo()处理10个字节的所有块的in_var(如果最后剩下不到10个字节，则按原样发送最后一个块(，并创建一个带有输出的新变量out_var。
我目前的做法花费的时间太长了：
out_var = b''
for chunk in range(0, len(in_var), 10):
out_var += foo(in_var[chunk: chunk + 10])
函数foo()每次运行只需要几分之一秒，因此总数应该非常快(所有10个块的总和(。然而，我的时间变长了一个数量级。
我也尝试过类似的结果：
import numpy as np
import math
in_var= np.array_split(np.frombuffer(in_var, dtype=np.uint8), math.ceil(len(in_var)/10))
out_var= b"".join(map(lambda x: foo(x), in_var))
对于这个例子，foo()只能处理10个字节(例如：它是一个具有固定块大小的加密函数(，如果给它一个较小的块，它只需要填充就可以使块成为10个字节。假设我无法控制它，foo()只能处理10字节的块。
有更快的方法吗？作为最后的手段，我可能不得不并行化我的代码，这样所有的块都可以并行处理。。。
谢谢！
更新：
显然，我没有正确测量foo()所花费的时间。事实证明，foo()占据了大部分时间，因此是上面评论的数量级。再次感谢您的意见和建议，尽管如此，我还是做了一些改进。并行化代码似乎是正确的前进道路。
for循环的问题在于它创建了一个新字符串，每次都稍微长一点，并将旧数据复制到新字符串。您可以通过预分配字节并直接复制来加快速度：
out_var = bytearray(len(in_var))
for chunk in range(0, len(in_var), 10):
out_var[chunk: chunk + 10] = foo(in_var[chunk: chunk + 10])