本文目录一览：
- 1、7种检测Python程序运行时间、CPU和内存占用的方法
- 2、练习使用python,对电脑有什么要求吗？
- 3、Windows上使用Python绑定CPU
- 4、python对电脑配置要求
- 5、学Python电脑要什么配置？
- 6、python怎么提高cpu利用率
7种检测Python程序运行时间、CPU和内存占用的方法
1. 使用装饰器来衡量函数执行时间
有一个简单方法，那就是定义一个装饰器来测量函数的执行时间，并输出结果：
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)
输出：Total time running random_sort: 0.6598007678985596 seconds
使用方式的话，就是在要监控的函数定义上面加上 @fn_timer 就行了
或者
# 可监控程序运行时间
import time
import random
def clock(func):
def wrapper(*args, **kwargs):
start_time= time.time()
result= func(*args, **kwargs)
end_time= time.time()
print("共耗时: %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)
输出结果：共耗时: 0.65634秒
2. 使用timeit模块
另一种方法是使用timeit模块，用来计算平均时间消耗。
执行下面的脚本可以运行该模块。
这里的timing_functions是Python脚本文件名称。
在输出的末尾，可以看到以下结果：4 loops, best of 5: 2.08 sec per loop
这表示测试了4次，平均每次测试重复5次，最好的测试结果是2.08秒。
如果不指定测试或重复次数，默认值为10次测试，每次重复5次。
3. 使用Unix系统中的time命令
然而，装饰器和timeit都是基于Python的。在外部环境测试Python时，unix time实用工具就非常有用。
运行time实用工具：
输出结果为：
Total time running random_sort: 1.3931210041 seconds
real 1.49
user 1.40
sys 0.08
第一行来自预定义的装饰器，其他三行为：
real表示的是执行脚本的总时间
user表示的是执行脚本消耗的CPU时间。
sys表示的是执行内核函数消耗的时间。
注意：根据维基百科的定义，内核是一个计算机程序，用来管理软件的输入输出，并将其翻译成CPU和其他计算机中的电子设备能够执行的数据处理指令。
因此，Real执行时间和User+Sys执行时间的差就是消耗在输入/输出和系统执行其他任务时消耗的时间。
4. 使用cProfile模块
5. 使用line_profiler模块
6. 使用memory_profiler模块
7. 使用guppy包
练习使用python,对电脑有什么要求吗？
Python基础开发对性能要求并不大，4000－5000的电脑玩游戏都还差不多，对于学习Python足够了。
如果 Python 是你接触的第一门编程语言，那也不必担心。我们知道，虽然同为人机交互的桥梁，但 Python 比 C++、Java 等，语言更简洁，也更接近英语，对初学者很友好，这也是 Python 语言的一个显著特点。
任何一门编程语言，其囊括的知识面都是非常广泛的，从基本的变量赋值、条件循环、到文件操作、并发编程等，千万不要等到把所有知识点都学完了才开始练习，因为到那时你会发现，前面好不容易记住的知识都忘记了。学习编程，是十分讲究实战的，没有捷径可走，越早练习，练得越多越勤，学习效果就越好。
Windows上使用Python绑定CPU
在 Windows 平台上，有时候我们想让自己的程序在指定的CPU上运行，此时我看可以通过下面几个API来实现
其中绑定CPU是mask的值如下：
示例
python对电脑配置要求
就描述，这问的。编程对电脑没要求。按现在来讲，电脑CPU有双核，内存有4G 能运行系统的都可以
不懂继续问，满意请采纳。
学Python电脑要什么配置？
可以参考如下配置：
CPU为酷睿i5 / i7
内存 4G / 8G
硬盘 500G，或者用 SSD
前面一个为基础配置，后面的为更好的选项。网上价格 3000 ~ 6000。
更重要的，做量化需要数据、需要量化引擎系统，这需要很多开发工作，可以自己抓取数据和用开源的回测引擎。
Python是纯粹的自由软件， 源代码和解释器CPython遵循 GPL(GNU General Public License)协议。Python语法简洁清晰，特色之一是强制用空白符(white space)作为语句缩进。
Python具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。
需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。
7月20日，IEEE发布2017年编程语言排行榜：Python高居首位
python怎么提高cpu利用率
内置的是多处理模块。multiprocessing.Pool类使用map和相关方法在多个CPU之间提供矢量化.但是这里需要权衡.如果必须在进程之间传递大量数据,那么这种开销可能会抵消多核的优势。使用合适的numpy版本。如果numpy是使用多线程ATLAS库构建的,则在遇到大问题时会更快。使用扩展模块,例如numexpr、parallelpython、corepy或CopenhagenVectorByteCode。请注意,线程模块在这方面并不是很有用.为了简化内存管理,全局解释器锁(“GIL”)强制一次只能有一个线程执行python字节码.但是,像numpy这样的外部模块可以在内部使用多个线程.
中央处理器（CPU），是电子计算机的主要设备之一，电脑中的核心配件。其功能主要是解释计算机指令以及处理计算机软件中的数据。电脑中所有操作都由CPU负责读取指令，对指令译码并执行指令的核心部件。
程序是由指令构成的序列，执行程序就是按指令序列逐条执行指令。一旦把程序装入主存储器中，就可以由CPU自动地完成从主存取指令和执行指令的任务。
