 京公网安备 11010802034615号
			经营许可证编号:京B2-20210330
 京公网安备 11010802034615号
			经营许可证编号:京B2-20210330
		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
在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23