python超正确安装方法
python正确安装方法
安装python指定版本
sudo apt install software-properties-common
sudo add-apt-repository ppa:deadsnakes/ppa
sudo apt install python3.8-dev
管理python版本
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3.8 2
sudo update-alternatives --config
安装对应python版本的pip
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
sudo python get-pip.py
1.如果出现这个错误
File "<frozen zipimport>", line 259, in load_module
File "/tmp/tmpk_f4xoz6/pip.zip/pip/_internal/locations/_distutils.py", line 20, in <module>
ModuleNotFoundError: No module named 'distutils.cmd'
解决方法
安装
apt-get install python3.8-distutils
2.如果出现gi这个错误
Traceback (most recent call last):
File "/usr/bin/gnome-terminal", line 9, in <module>
from gi.repository import GLib, Gio
File "/usr/lib/python3/dist-packages/gi/__init__.py", line 42, in <module>
from . import _gi
ImportError: cannot import name '_gi' from partially initialized module 'gi' (most likely due to a circular import) (/usr/lib/python3/dist-packages/gi/__init__.py)
解决方法
强制为python 3.8安装PyGObject：
sudo python3.8 -m pip install --ignore-installed PyGObject
如果这一步过程中出现
creating build/temp.linux-x86_64-3.8/cairo
x86_64-linux-gnu-gcc -pthread -Wno-unused-result -Wsign-compare -DNDEBUG -g -fwrapv -O2 -Wall -g -fstack-protector-strong -Wformat -Werror=format-security -fPIC -DPYCAIRO_VERSION_MAJOR=1 -DPYCAIRO_VERSION_MINOR=20 -DPYCAIRO_VERSION_MICRO=1 -I/usr/include/cairo -I/usr/include/glib-2.0 -I/usr/lib/x86_64-linux-gnu/glib-2.0/include -I/usr/include/pixman-1 -I/usr/include/freetype2 -I/usr/include/libpng16 -I/usr/include/freetype2 -I/usr/include/libpng16 -I/usr/include/python3.8 -c cairo/bufferproxy.c -o build/temp.linux-x86_64-3.8/cairo/bufferproxy.o -Wall -Warray-bounds -Wcast-align -Wconversion -Wextra -Wformat=2 -Wformat-nonliteral -Wformat-security -Wimplicit-function-declaration -Winit-self -Winline -Wmissing-format-attribute -Wmissing-noreturn -Wnested-externs -Wold-style-definition -Wpacked -Wpointer-arith -Wreturn-type -Wshadow -Wsign-compare -Wstrict-aliasing -Wundef -Wunused-but-set-variable -Wswitch-default -Wno-missing-field-initializers -Wno-unused-parameter -Wno-unused-command-line-argument -fno-strict-aliasing -fvisibility=hidden -std=c99
cairo/bufferproxy.c:32:10: fatal error: Python.h: No such file or directory
#include <Python.h>
^~~~~~~~~~
compilation terminated.
error: command '/usr/bin/x86_64-linux-gnu-gcc' failed with exit code 1
----------------------------------------
ERROR: Failed building wheel for pycairo
Failed to build pycairo
ERROR: Could not build wheels for pycairo, which is required to install pyproject.toml-based projects
WARNING: You are using pip version 21.3; however, version 21.3.1 is available.
You should consider upgrading via the '/usr/bin/python3.8 -m pip install --upgrade pip' command.
安装一下这些库
sudo apt install python-dev
sudo apt install python3-dev
sudo apt install python3.8-dev
sudo apt-get install libgirepository1.0-dev
sudo apt-get install python-cairo
sudo apt-get install libcairo2
重新安装PyGObject即可
Python代码性能(时间+内存)
背景
在运行复杂的Python程序时，执行时间会很长，这时也许想提高程序的执行效率。但该怎么做呢？首先，要有个工具能够检测代码中的瓶颈，例如，找到哪一部分执行时间比较长。接着，就针对这一部分进行优化。同时，还需要控制内存和CPU的使用，这样可以在另一方面优化代码。本文主要介绍两种最常用的监控工具。
时间分析
line_profiler模块可以给出执行每行代码所需占用的CPU时间，首先，安装该模块：
- pip安装
$ pip install line_profiler
or
- 源码安装
$ git clone https://github.com/rkern/line_profiler.git
$ find line_profiler -name '*.pyx' -exec cython {} \;
$ cd line_profiler
$ pip install . --user
- 示例
import random
from line_profiler import LineProfiler
from functools import wraps
#查询接口中每行代码执行的时间
def func_line_time(f):
@wraps(f)
def decorator(*args, **kwargs):
func_return = f(*args, **kwargs)
lp = LineProfiler()
lp_wrap = lp(f)
lp_wrap(*args, **kwargs)
lp.print_stats()
return func_return
return decorator
@func_line_time
# 定义一个测试函数
def random_sort2(n):
l = [random.random() for i in range(n)]
l.sort()
return l
if __name__ == "__main__":
random_sort2(2000000)
输出如下所示，各参数含义为
Total Time：测试代码的总运行时间
Line:代码行号
Hits：表示每行代码运行的次数
Time：每行代码运行的总时间
Per Hits：每行代码运行一次的时间
% Time：每行代码运行时间的百分比
网上大多数方法是下边：
1.在需要测试的函数前添加装饰器 @profile
2.启动程序 $kernprof -l -v test.py
这种方法无法正常运行原来的脚本，如果不用kernprof指令运行脚本时，还需注释掉@profile语句，不太方便，因此建议使用这里推荐的装饰器的方法。
内存分析
memory_profiler模块用来基于逐行测量代码的内存使用，安装方法如下：
$ pip install memory_profiler psutil
memory_profiler需要使用@profile装饰器来标识需要追踪的函数（即在函数前边加入@profile），就是上边一节后边提到的方法
# 前边内容省略
@profile
# 定义一个测试函数
def random_sort2(n):
l = [random.random() for i in range(n)]
l.sort()
return l
# 后边内容省略
运行
$ python -m memory_profiler test.py
结果
从结果可以看出，内存使用是以MiB为单位衡量的，表示的mebibyte（1MiB = 1.05MB）。
