Python基础学习 -- 同步与异步操作

简介: Python基础学习 -- 同步与异步操作

一、普通的子线程创建

1、导入需要的库文件

from multiprocessing import Process

2、创建一个普通函数,输出5遍相同的内容

def funa():
    for i in range(5):
        print("我是子线程")

3、在主线程调用普通函数(子线程)

if __name__=="__main__":
    print("我是主线程")
    p=Process(target=funa)
    p.start()
    print("主线程结束")

4、运行结果

我是主线程
主线程结束
我是子线程
我是子线程
我是子线程
我是子线程
我是子线程

二、子线程如何传递参数

1、创建一个带有参数的函数

def funa(n):
    for i in range(n):
        print("我是子线程")

2、主线程调用带有参数的函数,在Process函数中传递参数,一个参数后面需要加一个逗号,否则就不是元组格式

if __name__=="__main__":
    print("我是主线程")
    p=Process(target=funa,args=(5,))
    p.start()
    print("主线程结束")

3、运行结果

我是主线程
主线程结束
我是子线程
我是子线程
我是子线程
我是子线程
我是子线程

三、同步与异步对比

1、创建一个花费时间的程序,传入几相当于让程序睡几秒

def funa(n):
    for i in range(n):
        time.sleep(1)
        print("我是a")

2、在程序运行时,获取一个时间戳time.time(),等运行结束再生成一个时间戳,减去开始生成的时间戳,就可以得到程序运行的时间。

if __name__=="__main__":
    print("我是主线程")
    s=time.time()
    a=[2,3,4]
    for i in a:
        funa(i)
    print("程序花费:",time.time()-s)

3、运行结果,大概花费了6秒

我是主线程
我是a
我是a
我是a
我是a
我是a
我是a
我是a
我是a
我是a
程序花费: 9.004536867141724

4、异步实现

def funa(n):
    for i in range(n):
        time.sleep(1)
        print("我是a")
if __name__=="__main__":
    print("我是主线程")
    s=time.time()
    a=[2,3,4]
    b=[] #存储创建好的进程
    for i in a:
        p=Process(target=funa,args=(i,))
        b.append(p)
        p.start()
    for pp in b:
        pp.join()#pp执行完join操作,主程序才结束
    print("程序花费:",time.time()-s)

5、运行结果

我是主线程
我是a
我是a
我是a
我是a
我是a
我是a
我是a
我是a
我是a
程序花费: 4.339980602264404
目录
相关文章
|
1天前
|
Java Python
|
2天前
|
算法 Java 程序员
解锁Python高效之道:并发与异步在IO与CPU密集型任务中的精准打击策略!
在数据驱动时代,高效处理大规模数据和高并发请求至关重要。Python凭借其优雅的语法和强大的库支持,成为开发者首选。本文将介绍Python中的并发与异步编程,涵盖并发与异步的基本概念、IO密集型任务的并发策略、CPU密集型任务的并发策略以及异步IO的应用。通过具体示例,展示如何使用`concurrent.futures`、`asyncio`和`multiprocessing`等库提升程序性能,帮助开发者构建高效、可扩展的应用程序。
7 0
|
1月前
|
程序员 测试技术 开发工具
豆瓣评分7.9!世界级讲师耗时5年整理出的Python学习手册!
Python是一门流行的开源编程语言,广泛用于各个领域的独立程序与脚本化应用中。它不仅免费、可移植、功能强大,同时相对简单,而且使用起来充满乐趣。从软件业界的任意一角到来的程序员,都会发现Python着眼于开发者的生产效率以及软件质量,因此无论你的项目是大还是小,选择Python都将带来战略性的优势。 今天给小伙伴们分享的这份手册讲述了完整的Python语言,力争满足“语言”和“原理”两个方面的需求,并拥有足够的深度以便实用。废话不多说,下面展示给大家。
|
1月前
|
数据采集 数据可视化 Ruby
GitHub星标破万!Python学习教程(超详细),真的太强了!
Python 是一门初学者友好的编程语言,想要完全掌握它,你不必花上太多的时间和精力。 Python 的设计哲学之一就是简单易学,体现在两个方面: 1. 语法简洁明了:相对 Ruby 和 Perl,它的语法特性不多不少,大多数都很简单直接,不玩儿玄学。 2. 切入点很多:Python 可以让你可以做很多事情,科学计算和数据分析、爬虫、Web 网站、游戏、命令行实用工具等等等等,总有一个是你感兴趣并且愿意投入时间的。
|
1月前
|
机器学习/深度学习 开发者 Python
Python 与 R 在机器学习入门中的学习曲线差异
【8月更文第6天】在机器学习领域,Python 和 R 是两种非常流行的编程语言。Python 以其简洁的语法和广泛的社区支持著称,而 R 则以其强大的统计功能和数据分析能力受到青睐。本文将探讨这两种语言在机器学习入门阶段的学习曲线差异,并通过构建一个简单的线性回归模型来比较它们的体验。
49 7
|
1月前
|
JSON API 开发者
Python学习Get方式通过商品 ID请求 获取拼多多商品详情数据接口
拼多多商品详情数据接口服务使开发者或商家能编程获取平台商品详情,涵盖标题、价格、销量等关键信息,助力市场分析与决策。使用前需注册开发者账号并获取API密钥;构造含商品ID等参数的请求URL后发送至API服务器;接口以JSON格式返回数据。应用场景包括商品销售分析、选品、品牌口碑挖掘及竞品分析,为商家提供强大数据支持。
|
1月前
|
算法 数据挖掘 大数据
深入学习Python的性能优化
【8月更文挑战第9天】深入学习Python性能优化涵盖设定明确目标、运用timeit与cProfile等工具诊断瓶颈、优化代码结构与算法、采用并行/并发技术、利用生成器与第三方库等策略。这是一个持续学习的过程,旨在全面提升代码效率与响应速度。
29 1
|
1月前
|
数据采集 人工智能 数据可视化
【2023年电工杯竞赛】B题 人工智能对大学生学习影响的评价 数学建模方案和python代码
本文介绍了2023年电工杯竞赛B题的数学建模方案和Python代码实现,详细阐述了如何分析调查问卷数据,建立评价指标体系,构建数学模型评估人工智能对大学生学习的影响,并提供了数据预处理、特征编码、可视化分析等代码示例。
39 0
【2023年电工杯竞赛】B题 人工智能对大学生学习影响的评价 数学建模方案和python代码
|
30天前
|
存储 JSON 测试技术
Python中最值得学习的第三方JSON库
Python中最值得学习的第三方JSON库
|
1月前
|
数据采集 数据挖掘 数据处理
解锁Python数据分析新技能!Pandas实战学习,让你的数据处理能力瞬间飙升!
【8月更文挑战第22天】Python中的Pandas库简化了数据分析工作。本文通过分析一个金融公司的投资数据文件“investment_data.csv”,介绍了Pandas的基础及高级功能。首先读取并检查数据,包括显示前几行、列名、形状和数据类型。随后进行数据清洗,移除缺失值与重复项。接着转换日期格式,并计算投资收益。最后通过分组计算平均投资回报率,展示了Pandas在数据处理与分析中的强大能力。
35 0