python cpu怎么使用
我想知道自己的 Python 程序运行时 CPU 占用情况，应该用什么方式查看，才能判断程序是不是已经把 CPU 跑满了？
查看 Python 程序 CPU 占用的常用方法
可以使用系统任务管理器、top、htop 等工具观察进程 CPU 使用率；如果想在代码里监控，可以借助 psutil 读取进程的 cpu_percent()。对于性能分析场景，也可以用 cProfile、py-spy 等工具分析函数级别的 CPU 消耗，从而定位热点代码。
我的脚本执行时间很长，但我不确定慢在计算还是等待文件、网络、数据库响应。有没有办法区分这两种情况？
区分 CPU 密集和 I/O 密集任务的方法
可以观察运行时 CPU 占用。如果 CPU 长时间接近满载，多半是计算密集型任务；如果 CPU 占用不高但程序依旧很慢，通常是 I/O 阻塞。也可以通过性能分析工具查看耗时分布，判断主要时间花在计算逻辑还是等待外部资源上。
我的机器有多个 CPU 核心，但 Python 程序似乎只用了一个核，怎么才能让程序更好地吃满多核资源？
让 Python 更好利用多核 CPU 的思路
对于 CPU 密集型任务，通常可以使用 multiprocessing、concurrent.futures.ProcessPoolExecutor 来启用多进程，从而绕开 GIL 的限制。对于 I/O 密集型任务，可以使用线程池或异步编程提升并发效率。具体选择要看任务类型和数据传输成本。
有些 Python 程序在数据量一大时 CPU 飙升很明显，这类代码通常有哪些性能坑，平时该怎么改写会更省 CPU？
常见的高 CPU 写法及优化方向
常见问题包括频繁使用嵌套循环、重复计算、在循环中做大量字符串拼接、低效的数据结构选择，以及不必要的类型转换。优化时可以减少重复计算，使用更合适的数据结构，借助生成器、列表推导式或向量化库，必要时将核心计算交给 NumPy、Pandas 或 C 扩展。