Python是一種高級編程語言，它具有易于學習、易于實現和可讀性強的優點。Python的并行化工具可以讓我們更高效地利用計算機資源來處理大量數據和任務，并加快計算速度。下面我們將介紹一些常用的Python并行化工具。

1. Multiprocessing

import multiprocessing
def worker(num):
"""thread worker function"""
print('Worker:', num)
return
if __name__ == '__main__':
jobs = []
for i in range(5):
p = multiprocessing.Process(target=worker, args=(i,))
jobs.append(p)
p.start()

Multiprocessing模塊提供了一個Process類來實現多進程并行化。在上面的例子中，我們創建了5個進程，并將它們添加到jobs列表中，通過start()方法去啟動它們。在worker()函數中我們輸出了每個進程的編號。

2. Threading

import threading
def worker(num):
"""thread worker function"""
print('Worker:', num)
return
if __name__ == '__main__':
jobs = []
for i in range(5):
t = threading.Thread(target=worker, args=(i,))
jobs.append(t)
t.start()

Threading模塊提供了一個Thread類來實現多線程并行化。在上面的例子中，我們創建了5個線程，并將它們添加到jobs列表中，通過start()方法去啟動它們。在worker()函數中我們輸出了每個線程的編號。

3. Concurrent.futures

import concurrent.futures
def worker(num):
"""thread worker function"""
print('Worker:', num)
return
if __name__ == '__main__':
with concurrent.futures.ProcessPoolExecutor() as executor:
for i in range(5):
executor.submit(worker, i)

Concurrent.futures模塊提供了一個ThreadPoolExecutor和一個ProcessPoolExecutor類來實現多線程和多進程并行化。在上面的例子中，我們使用了ProcessPoolExecutor，啟動了5個進程來執行worker()函數，executor.submit()方法用于提交任務到進程池中。

以上就是Python并行化工具的簡單介紹，它們各有優缺點，我們可以根據實際情況來選擇適合自己的工具。