Python3,通过画图获取网络总IO情况。

最新推荐文章于 2024-04-25 11:24:00 发布

原创最新推荐文章于 2024-04-25 11:24:00 发布 · 357 阅读

0 ·

CC 4.0 BY-SA版权

python3 专栏收录该内容

43 篇文章

订阅专栏

本博客介绍了一个使用Python进行网络I/O监控并实时绘制图表的简单示例。通过循环收集网络发送字节数，并利用matplotlib库进行可视化，展示了如何实时监控网络活动。

1.代码实现

import time
import psutil
import matplotlib.pyplot as plt

data =[]
for i in range(10):
    data.append(psutil.net_io_counters().bytes_sent)
    time.sleep(2)
plt.plot(range(10),data)
plt.show()
print(data)

2.输出结果

[18914403, 18914703, 18914941, 18915089, 18915237, 18915385, 18915533, 18915681, 18915829, 18915977]

在这里插入图片描述

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

jiet07

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

python磁盘io_如何使用python获取当前磁盘io和网络io的百分比

weixin_39599705的博客

12-19

1283

我想编写一个python代码，以百分比形式读取磁盘io和网络io，就像我们在窗口任务管理器中看到的那样。目前我正在使用psutil.disk_io_计数器()和psutil.net_io\u计数器(). 通过这个，我得到了磁盘io的字节读取和写入，以及网络io的接收字节和发送字节。但我不知道如何将它们转换成百分比。还可以看到，disk_io_counters()和net_io_counters()...

python抓取网络信息_[原] Python 获取全部网络信息

weixin_42510225的博客

02-04

305

# 获取网络信息def netInfo():"""获取网络信息:return:"""counter = psutil.net_io_counters()netAddr = psutil.net_if_addrs()netStat = psutil.net_if_stats()connections = psutil.net_connections()# 计算网络信息def infoDetail(n...

参与评论您还未登录，请先登录后发表或查看评论

python网络编程——网络IO模型

JackLiu16的博客

02-21

938

出处：https://www.cnblogs.com/maociping/p/5121788.html 1 网络IO模型介绍服务器端编程经常需要构造高性能的IO模型，常见的IO模型有四种：（1）同步阻塞IO（Blocking IO）：即传统的IO模型。（2）同步非阻塞IO（Non-blocking IO）：默认创建的socket都是阻塞的，非阻塞IO要求socke...

python获取网络信息_利用psutil获取网络信息

weixin_39595621的博客

12-17

722

获取网络总的io信息[root@bogon python_auto]# vim net.py!/usr/bin/env pythonimport psutilnet_information = psutil.net_io_counters()print net_information执行查看网络信息[root@bogon python_auto]# python net.pysnetio(byte...

python使用率,Python获取CPU使用率、内存使用率、网络使用状态

weixin_39969060的博客

03-26

481

下面是编程之家 jb51.cc 通过网络收集整理的代码片段。编程之家小编现在分享给大家，也给大家做个参考。Python获取cpu使用率、内存使用率、网络使用状态注：需要安装psutil库#!/usr/bin/env python## $Id: iotop.py 1160 2011-10-14 18:50:36Z [emailprotected] $## Copyright (c) 2009,Ja...

python用networkx画图_使用Python的networkx绘制精美网络图教程

weixin_29526539的博客

02-21

3877

最近因为数学建模3天速成Python,然后做了一道网络的题，要画网络图。在网上找了一些，发现都是一些很基础的丑陋红点图，并且关于网络的一些算法也没有讲，于是自己进http://networkx.github.io/学习了一下。以下仅博主自己的总结，勿认真,有错误尽情指出，大家一起交流。需要用到的module malplotlib.pyplot 和networkx正文：一、malplotlib和ne...

python画图包命令学习.zip

04-08

本资源“python画图包命令学习.zip”聚焦于介绍Python中的绘图包及其常用命令，旨在帮助用户掌握如何用Python进行高效且美观的数据可视化。在Python中，最常用的绘图库包括matplotlib、seaborn、plotly和bokeh等。...

python画网络图_python3中NetworkX网络图绘制

weixin_39946239的博客

12-05

2120

NetworkX是一个用于研究图形和网络的Python库。 NetworkX是根据BSD-new许可证发布的免费软件。可用于创造和操作复杂网络，学习复杂网络的结构及其功能。有了NetworkX你就可以用标准或者不标准的数据格式加载或者存储网络，它可以产生许多种类的随机网络或经典网络，也可以分析网络结构，建立网络模型，设计新的网络算法，绘制网络。当然NetworkX单独存在不可能强大，这里春江暮客将...

python画图-多边形以及计算iou

01-06

画出两个多边形并且计算它们的并交比iou import numpy as np import shapely from shapely.geometry import Polygon, MultiPoint # 多边形 from PIL import Image, ImageDraw, ImageFont import math ...

【学习笔记】Python 使用 matplotlib 画图

乐园

04-25

1131

本文将介绍如何使用 Python 的 matplotlib 库画图，记录一些常用的画图 demo 代码

python网络监控程序_Python之利用psutil写一个命令行网速实时监控小程序

weixin_39980929的博客

12-08

1494

前言：psutil是一个非常强大的跨平台库，这篇文章只使用了psutil的一小小部分的功能。psutil简介：psutil(进程和系统实用程序)是一个跨平台库，用于在Python中检索有关正在运行的进程和系统利用率(CPU，内存，磁盘，网络，传感器)的信息。它主要用于系统监视，分析和限制流程资源以及运行流程的管理。它实现了UNIX命令行工具提供的许多功能，例如：ps，top，lsof，netst...

Python获取CPU、内存使用率以及网络使用状态代码

weixin_42930696的博客

07-16

615

由于psutil已更新到3.0.1版本，最新的代码如下： #!/usr/bin/env python import os import time import sys import atexit import psutil #print "Welcome,current system is",os.name," 3 seconds late start to get data" time.sleep(3) line_num = 1 #function of Get cpu state def get

Python模块之psutil详解

m0_72557783的博客

12-09

1万+

psutil是一个跨平台库，能够轻松实现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。它主要用来做系统监控，性能分析，进程管理。

Python实时网络监测工具

比雅尼·斯特劳斯特鲁普（Bjarne Stroustrup）曾说过：如果你没看过这些博客，那么你的编程不会拥有智慧，你的代码不可能附有灵魂。

03-14

1238

网速检测

Python运维自动化psutil 模块详解（超级详细）

最新发布

05-07

### 使用Python进行绘图的方法 Python 提供了许多强大的绘图库来满足不同场景下的需求。以下是几个常用的绘图库及其基本用法： #### 1. **Matplotlib** Matplotlib 是 Python 中最流行的绘图库之一，能够生成高质量的数据可视化图表。它支持多种输出格式以及跨平台交互式环境。 - 基础安装命令： ```bash pip install matplotlib ``` - 示例代码：绘制一条简单的折线图。 ```python import matplotlib.pyplot as plt import numpy as np x = [1, 2, 3, 4, 5] y = [2, 3, 5, 7, 11] plt.plot(x, y, label='Line', color='blue') # 设置线条的颜色和标签 plt.title('Simple Line Plot') # 添加标题 plt.xlabel('X-axis Label') # X轴标签 plt.ylabel('Y-axis Label') # Y轴标签 plt.legend() # 显示图例 plt.show() ``` 此代码展示了如何利用 `plt.plot()` 函数创建一个基础的线性图[^1]。 #### 2. **Seaborn** Seaborn 是基于 Matplotlib 构建的一个高级统计绘图库，提供了更美观的默认样式和一些复杂的统计图形功能。 - 安装命令： ```bash pip install seaborn ``` - 示例代码：绘制带有误差带的折线图。 ```python import seaborn as sns import pandas as pd sns.set_theme(style="darkgrid") df = pd.DataFrame({ 'time': range(10), 'value': np.random.randn(10).cumsum(), }) sns.lineplot(data=df, x='time', y='value') plt.show() ``` 这段代码演示了 Seaborn 如何简化复杂数据集的可视化过程[^2]。 #### 3. **Plotly** Plotly 支持动态、交互式的图表制作，非常适合用于 Web 应用程序开发中的数据分析与展示。 - 安装命令： ```bash pip install plotly ``` - 示例代码：生成可交互散点图。 ```python import plotly.express as px df = px.data.iris() fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species", size='petal_length', hover_data=['petal_width']) fig.show() ``` 这里介绍了 Plotly Express 接口快速构建互动性强的视觉效果的能力[^3]。 #### 4. **Bokeh** 另一个专注于大型数据集处理并提供高度自定义选项的交互式可视化工具包是 Bokeh。 - 安装命令： ```bash pip install bokeh ``` - 示例代码：显示时间序列上的圆圈标记。 ```python from math import pi from bokeh.palettes import Category20c from bokeh.transform import cumsum from bokeh.io import show, output_file from bokeh.models import ColumnDataSource from bokeh.plotting import figure output_file("pie.html") x = {f'Category_{i}': i*2 for i in range(1,8)} data = pd.Series(x).reset_index(name='value').rename(columns={'index':'category'}) data['angle'] = data['value']/data['value'].sum() * 2*pi data['color'] = Category20c[len(x)] source = ColumnDataSource(data=data) p = figure(plot_height=350, title="Pie Chart Example", toolbar_location=None, tools="hover", tooltips="@category: @value", x_range=(-0.5, 1.0)) p.wedge(x=0, y=1, radius=0.4, start_angle=cumsum('angle', include_zero=True), end_angle=cumsum('angle'), line_color="white", fill_color='color', legend_field='category', source=source) show(p) ``` 该例子说明了 Bokeh 创建饼状图的方式[^4]。 ### 总结对于初学者来说，建议从 Matplotlib 开始学习，因为它简单易懂且应用广泛；如果需要更高层次抽象或者更好看的主题风格，则可以考虑转向 Seaborn；而当项目涉及到实时更新或用户交互时，Plotly 和 Bokeh 将成为更好的选择。