
作者:俊欣
来源:关于数据分析与可视化
大家好,我是俊欣,今天给大家介绍3个特别好用的Python模块,知道的人可能不多,但是特别的好用。
Python当中的Psutil模块是个跨平台库,它能够轻松获取系统运行的进程和系统利用率,包括CPU、内存、磁盘、网络等信息,它的安装也非常的简单,命令行
pip install psutil
这里因为整体的篇幅有限,小编就暂时只罗列几个常用的方法,例如我们想要查看一下CPU的利用率
psutil.cpu_percent()
返回的结果表示的是当前系统范围的CPU利用率百分比,如果我们要查看系统中CPU的个数,代码如下
## 逻辑CPU的个数 psutil.cpu_count() ## 物理CPU的个数 psutil.cpu_count(logical=False)
又或者我们想要查看一下系统中的物理内存,代码如下
## 剩余的物理内存 free = str(round(psutil.virtual_memory().free / (1024.0 * 1024.0 * 1024.0), 2)) ## 物理内存总共有 total = str(round(psutil.virtual_memory().total / (1024.0 * 1024.0 * 1024.0), 2))
而如果我们想要查看单个磁盘的信息,就直接调用disk_usage()方法
print(psutil.disk_usage('C:'))
而去获取所有磁盘的信息,调用的则是disk_partitions()方法
print(psutil.disk_partitions())
另外我们也还能够获取到系统的启动时间
from datetime import datetime
print(u"系统启动时间: %s" % datetime.fromtimestamp(psutil.boot_time()).strftime("%Y-%m-%d %H:%M:%S"))
一般我们都是用datatime模块来处理日期、时间等数据,但是不得不说在于datatime模块也有自身的一些限制,例如在处理时区时就会显得有些不足,这次我们来介绍一下Pendulum模块
首先我们用pip命令行来进行安装
pip install pendulum
pendulum模块最令人印象深刻的功能是时区,例如我们想要知道“巴黎”此时的时间,可以这么来做
now_in_paris = pendulum.now('Europe/Paris') print(now_in_paris)
output
2022-01-22T14:59:06.484816+01:00
还可以知道当天的日期
d1 = pendulum.yesterday() # 昨天 d2 = pendulum.today() # 今天 d3 = pendulum.tomorrow() # 明天
output
2022-01-21T00:00:00+08:00 # 昨天的日期
2022-01-22T00:00:00+08:00 # 今天
2022-01-23T00:00:00+08:00 # 明天
我们还可以在时间的数据上进行加、减,调用的是add和subtract方法
dt = pendulum.datetime(2022, 1, 22) dt_years_add = dt.add(years=5) print(dt_years_add) dt_years_subtract = dt.subtract(years=1) print(dt_years_subtract) dt_month_add = dt.add(months=60) print(dt_month_add) dt_month_subtract = dt.subtract(months=60) print(dt_month_subtract)
output
2027-01-22T00:00:00+00:00 2021-01-22T00:00:00+00:00 2027-01-22T00:00:00+00:00 2017-01-22T00:00:00+00:00
要是我们希望将时间数据转换成字符串,就可以这么来做,代码如下
dt = pendulum.datetime(2022, 1, 23, 15, 16, 10)
要是我们需要的是前缀的日期字符串,则可以这么来做
dt.to_date_string()
output
2022-01-23
而要是我们需要的是后缀的时间字符串,则可以这么来做
dt.to_time_string()
output
15:16:10
当然我们有时候日期和时间都需要,代码如下
dt.to_datetime_string()
output
2022-01-23 15:16:10
或者是
dt.to_day_datetime_string()
output
Sun, Jan 23, 2022 3:16 PM
当然该模块还有其他很多强大的功能,具体的大家可以去看它的文档,最后我们要说的是其人性化时间的输出功能。
如果我们平时用搜素引擎的话,就会看到有很多内容的时间被标成了“1天前”、“1周后”等等,这个在pendulum模块当中也能够轻而易举的实现
print(pendulum.now().subtract(days=1).diff_for_humans()) ## '1 day ago' print(pendulum.now().diff_for_humans(pendulum.now().subtract(years=1))) ## '1 year after' print(pendulum.now().subtract(days=24).diff_for_humans()) ## '3 weeks ago'
可能有些人要是英文看不懂的话,我们也可以切换到中文,如下
print(pendulum.now().subtract(days=14).diff_for_humans()) ## '2周前' print(pendulum.now().add(seconds=5).diff_for_humans()) ## '5秒钟后'
pyfiglet是一个专门用来生成艺术字的模块,并且支持有多种艺术字的字体,我们来看一下下面这个例子
result = pyfiglet.figlet_format("Python", font="larry3d") print(result)
output
____ __ __
/ _` / __/
L __ __ ,_ ___ ___ ___
,__/ / / _ ` / __` /' _ ` / _ _ / L / / _ /`____ __ _ _ ____/ _ _ /_/ `/___/> /__/ /_//_//___/ /_//_/ /___/ /__/
要是大家不喜欢上面的字体,可以通过下面的代码
pyfiglet.FigletFont.getFonts()
在输出的所有字体当中任选一个来进行艺术字的塑造
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04