2017.10.2更新，坑比Python因為Global Interpreter Lock（GIL）的原因，也就是每個進程只能開啟一個解釋器，就算實現(xiàn)了多線程，但因為主進程只有一個所以只有一個解釋器，多線程的內(nèi)容還是順序執(zhí)行的（不要問我為什么知道，我不想回憶→_→）
解決方法是把代碼改成多進程的，具體是引入multiprocessing庫，把下面代碼中用到threading的地方改成Process，代碼懶得貼了。

直接放代碼了，解釋見注釋。

import threading

mutex_w = threading.Lock()  # 創(chuàng)建鎖

# 定義每個線程需要完成的工作
def worker(seed):
    for seed in seeds:
        # 做一些不需要鎖的操作
        # 操作共享資源
        if mutex_w.acquire(1):  # 嘗試獲取鎖
            thread_name = threading.current_thread().name  # 獲取當前進程名
            print("%s starts writing the file" % thread_name)
            # 操作共享資源
            print("%s finishes writing the file" % thread_name)
            mutex_w.release()  # 釋放鎖


if __name__ == "__main__":
    # 本例中有15個線程，需要計算100次，盡可能平均得把計算任務分配給所有線程
    num_proc = 2  # 定義線程數(shù)
    seeds = [np.arange(i, 2, num_proc) for i in range(num_proc)]  # 把seed分給不同的線程進行處理

    thread_list = list()
    for i in range(num_proc):
        t = threading.Thread(target=worker, args=(seeds[i],))
        thread_list.append(t)

    # 啟動所有線程
    for t in thread_list:
        t.start()

    # 主線程中等待所有子線程退出
    for t in thread_list:
        t.join()

    # 所有子線程完成后可以做一些別的操作  
    save_results(res)