使用Python分析數據，如果使用了正確的數據結構和算法，有時可以大量提高程序的速度。實現此目的的一種方法是使用Muiltithreading(多線程)或Multiprocessing(多重處理)。

使用Python分析數據，如果使用了正確的數據結構和算法，有時可以大量提高程序的速度。實現此目的的一種方法是使用Muiltithreading(多線程)或Multiprocessing(多重處理)。

在這篇文章中，我們不會詳細討論多線程或多處理的內部原理。相反，我們舉一個例子，編寫一個小的Python

腳本從Unsplash下載圖像。我們將從一次下載一個圖像的版本開始。接下來，我們使用線程來提高執行速度。

Python中多線程和多處理的初學者指南

多線程

簡單地說，線程允許您并行地運行程序。花費大量時間等待外部事件的任務通常適合線程化。它們也稱為I/O Bound任務例如從文件中讀寫，網絡操作或使用API在線下載。讓我們來看一個示例，它展示了使用線程的好處。

1. 沒有線程

在本例中，我們希望通過順序運行程序來查看從Unsplash API下載15張圖像需要多長時間：

import requests

import time

img_urls = [

'https://images.unsplash.com/photo-1516117172878-fd2c41f4a759',

'https://images.unsplash.com/photo-1532009324734-20a7a5813719',

'https://images.unsplash.com/photo-1524429656589-6633a470097c',

'https://images.unsplash.com/photo-1530224264768-7ff8c1789d79',

'https://images.unsplash.com/photo-1564135624576-c5c88640f235',

'https://images.unsplash.com/photo-1541698444083-023c97d3f4b6',

'https://images.unsplash.com/photo-1522364723953-452d3431c267',

'https://images.unsplash.com/photo-1513938709626-033611b8cc03',

'https://images.unsplash.com/photo-1507143550189-fed454f93097',

'https://images.unsplash.com/photo-1493976040374-85c8e12f0c0e',

'https://images.unsplash.com/photo-1504198453319-5ce911bafcde',

'https://images.unsplash.com/photo-1530122037265-a5f1f91d3b99',

'https://images.unsplash.com/photo-1516972810927-80185027ca84',

'https://images.unsplash.com/photo-1550439062-609e1531270e',

'https://images.unsplash.com/photo-1549692520-acc6669e2f0c'

]

start = time.perf_counter() #start timer

for img_url in img_urls:

img_name = img_url.split('/')[3] #get image name from url

img_bytes = requests.get(img_url).content

with open(img_name, 'wb') as img_file:

img_file.write(img_bytes) #save image to disk

finish = time.perf_counter() #end timer

print(f"Finished in {round(finish-start,2)} seconds")

#results

Finished in 23.101926751 seconds

一共用時23秒。

2. 多線程

讓我們看看Pyhton中的線程模塊如何顯著地改進我們的程序執行：

import time

from concurrent.futures import ThreadPoolExecutor

def download_images(url):

img_name = img_url.split('/')[3]

img_bytes = requests.get(img_url).content

with open(img_name, 'wb') as img_file:

img_file.write(img_bytes)

print(f"{img_name} was downloaded")

start = time.perf_counter() #start timer

with ThreadPoolExecutor() as executor:

results = executor.map(download_images,img_urls) #this is Similar to map(func, *iterables)

finish = time.perf_counter() #end timer

print(f"Finished in {round(finish-start,2)} seconds")

#results

Finished in 5.544147536 seconds

我們可以看到，與不使用線程代碼相比，使用線程代碼可以顯著提高速度。從23秒到5秒。

對于本例，請注意在創建線程時存在開銷，因此將線程用于多個API調用是有意義的，而不僅僅是單個調用。

此外，對于密集的計算，如數據處理，圖像處理多處理比線程執行得更好。

總結

以上是生活随笔為你收集整理的python创建多线程_初学者看过来：Python中多线程和多处理的指南的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。