本文目錄一覽：
- 1、7種檢測Python程序運行時間、CPU和內存佔用的方法
- 2、練習使用python,對電腦有什麼要求嗎？
- 3、Windows上使用Python綁定CPU
- 4、python對電腦配置要求
- 5、學Python電腦要什麼配置？
- 6、python怎麼提高cpu利用率
7種檢測Python程序運行時間、CPU和內存佔用的方法
1. 使用裝飾器來衡量函數執行時間
有一個簡單方法，那就是定義一個裝飾器來測量函數的執行時間，並輸出結果：
import time
from functoolsimport wraps
import random
def fn_timer(function):
@wraps(function)
def function_timer(*args, **kwargs):
t0= time.time()
result= function(*args, **kwargs)
t1= time.time()
print(“Total time running %s: %s seconds” %
(function.__name__, str(t1- t0))
)
return result
return function_timer
@fn_timer
def random_sort(n):
return sorted([random.random() for i in range(n)])
if __name__== “__main__”:
random_sort(2000000)
輸出：Total time running random_sort: 0.6598007678985596 seconds
使用方式的話，就是在要監控的函數定義上面加上 @fn_timer 就行了
或者
# 可監控程序運行時間
import time
import random
def clock(func):
def wrapper(*args, **kwargs):
start_time= time.time()
result= func(*args, **kwargs)
end_time= time.time()
print(“共耗時: %s秒” % round(end_time- start_time, 5))
return result
return wrapper
@clock
def random_sort(n):
return sorted([random.random() for i in range(n)])
if __name__== “__main__”:
random_sort(2000000)
輸出結果：共耗時: 0.65634秒
2. 使用timeit模塊
另一種方法是使用timeit模塊，用來計算平均時間消耗。
執行下面的腳本可以運行該模塊。
這裡的timing_functions是Python腳本文件名稱。
在輸出的末尾，可以看到以下結果：4 loops, best of 5: 2.08 sec per loop
這表示測試了4次，平均每次測試重複5次，最好的測試結果是2.08秒。
如果不指定測試或重複次數，默認值為10次測試，每次重複5次。
3. 使用Unix系統中的time命令
然而，裝飾器和timeit都是基於Python的。在外部環境測試Python時，unix time實用工具就非常有用。
運行time實用工具：
輸出結果為：
Total time running random_sort: 1.3931210041 seconds
real 1.49
user 1.40
sys 0.08
第一行來自預定義的裝飾器，其他三行為：
real表示的是執行腳本的總時間
user表示的是執行腳本消耗的CPU時間。
sys表示的是執行內核函數消耗的時間。
注意：根據維基百科的定義，內核是一個計算機程序，用來管理軟體的輸入輸出，並將其翻譯成CPU和其他計算機中的電子設備能夠執行的數據處理指令。
因此，Real執行時間和User+Sys執行時間的差就是消耗在輸入/輸出和系統執行其他任務時消耗的時間。
4. 使用cProfile模塊
5. 使用line_profiler模塊
6. 使用memory_profiler模塊
7. 使用guppy包
練習使用python,對電腦有什麼要求嗎？
Python基礎開發對性能要求並不大，4000－5000的電腦玩遊戲都還差不多，對於學習Python足夠了。
如果 Python 是你接觸的第一門編程語言，那也不必擔心。我們知道，雖然同為人機交互的橋樑，但 Python 比 C++、Java 等，語言更簡潔，也更接近英語，對初學者很友好，這也是 Python 語言的一個顯著特點。
任何一門編程語言，其囊括的知識面都是非常廣泛的，從基本的變數賦值、條件循環、到文件操作、並發編程等，千萬不要等到把所有知識點都學完了才開始練習，因為到那時你會發現，前面好不容易記住的知識都忘記了。學習編程，是十分講究實戰的，沒有捷徑可走，越早練習，練得越多越勤，學習效果就越好。
Windows上使用Python綁定CPU
在 Windows 平台上，有時候我們想讓自己的程序在指定的CPU上運行，此時我看可以通過下面幾個API來實現
其中綁定CPU是mask的值如下：
示例
python對電腦配置要求
就描述，這問的。編程對電腦沒要求。按現在來講，電腦CPU有雙核，內存有4G 能運行系統的都可以
不懂繼續問，滿意請採納。
學Python電腦要什麼配置？
可以參考如下配置：
CPU為酷睿i5 / i7
內存 4G / 8G
硬碟 500G，或者用 SSD
前面一個為基礎配置，後面的為更好的選項。網上價格 3000 ~ 6000。
更重要的，做量化需要數據、需要量化引擎系統，這需要很多開發工作，可以自己抓取數據和用開源的回測引擎。
Python是純粹的自由軟體， 源代碼和解釋器CPython遵循 GPL(GNU General Public License)協議。Python語法簡潔清晰，特色之一是強制用空白符(white space)作為語句縮進。
Python具有豐富和強大的庫。它常被昵稱為膠水語言，能夠把用其他語言製作的各種模塊（尤其是C/C++）很輕鬆地聯結在一起。
需要注意的是在您使用擴展類庫時可能需要考慮平台問題，某些可能不提供跨平台的實現。
7月20日，IEEE發布2017年編程語言排行榜：Python高居首位
python怎麼提高cpu利用率
內置的是多處理模塊。multiprocessing.Pool類使用map和相關方法在多個CPU之間提供矢量化.但是這裡需要權衡.如果必須在進程之間傳遞大量數據,那麼這種開銷可能會抵消多核的優勢。使用合適的numpy版本。如果numpy是使用多線程ATLAS庫構建的,則在遇到大問題時會更快。使用擴展模塊,例如numexpr、parallelpython、corepy或CopenhagenVectorByteCode。請注意,線程模塊在這方面並不是很有用.為了簡化內存管理,全局解釋器鎖(「GIL」)強制一次只能有一個線程執行python位元組碼.但是,像numpy這樣的外部模塊可以在內部使用多個線程.
中央處理器（CPU），是電子計算機的主要設備之一，電腦中的核心配件。其功能主要是解釋計算機指令以及處理計算機軟體中的數據。電腦中所有操作都由CPU負責讀取指令，對指令解碼並執行指令的核心部件。
程序是由指令構成的序列，執行程序就是按指令序列逐條執行指令。一旦把程序裝入主存儲器中，就可以由CPU自動地完成從主存取指令和執行指令的任務。
原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-tw/n/288487.html
微信掃一掃 
支付寶掃一掃 