求问 Python 大神，多进程处理文本内数据

我的程序要实现的功能很简单，就是打开一个写有 1-500000 的 test.txt 的文档，数文档中奇数和偶数的个数，并写入一个字典
用多进程的方法，就是把这 500000 个数分成 n 份，每个进程处理 500000/n 个数
总之最后发现， num_of_process 越大，速度越慢，当等于 1 的时候，速度最快。这是为何？按理多进程，时间应变小。程序要做哪方面优化？

受人之托，特来求问。惭愧了，妹子竟然写的如此一手好代码……感谢。

from multiprocessing import pool
import time
import os
import copy
import multiprocessing


labels= {'0': 0, '1': 0}
train_set = 'test.txt'
num_of_process = 2
def statistics(file,label):
num=int(file)
if num%2==0:
label['0']+=1
else:
label['1']+=1

def union_dict(objs):
_keys = set(sum([obj.keys() for obj in objs], []))
_total = {}
for _key in _keys:
_total[_key] = sum([obj.get(_key, 0) for obj in objs])
return _total

def myprocess(data,i):
labelnew=copy.deepcopy(labels)
for afile in data[i*len(data)/num_of_process:(i+1)*len(data)/num_of_process]:
statistics(afile, labelnew)
return labelnew

if __name__=='__main__':
e1 = time.time()
pool = multiprocessing.Pool(processes = multiprocessing.cpu_count())#processes=4 in my mac
result_list=[]
data_train=open(train_set,'r').readlines()
for i in xrange(num_of_process):
#multiprocessing.Process(myprocess(target=myprocess,args=[data_train,i]))
result=pool.apply_async(myprocess,(data_train,i))
result_list.append(result.get())

print result_list

pool.close()
pool.join()
e2 = time.time()
print float(e2 - e1)