使用python獲取電腦的磁盤信息方法
使用Python獲取電腦的磁盤信息需要借助于第三方的模塊psutil,這個模塊需要自己安裝,純粹的CPython下面不具備這個功能。
在iPython交互界面中進行如下演示:
查看電腦的磁盤分區(qū):
In [1]: import psutil In [2]: psutil.disk_partitions() Out[2]: [sdiskpart(device='/dev/disk2', mountpoint='/', fstype='hfs', opts='rw,local,rootfs,dovolfs,journaled,multilabel')] In [3]: len(psutil.disk_partitions()) Out[3]: 1
從上面的結(jié)果看出,電腦只有一個分區(qū)。針對最后的結(jié)果專門通過判斷字典的元素個數(shù)來確認了一下。
查看電腦的磁盤使用百分比:
In [4]: psutil.disk_usage('/')
Out[4]: sdiskusage(total=1114478608384, used=305497878528, free=808718585856, percent=27.4)
相對來說還好,新電腦使用時間還不是很長,硬盤暫時還沒有塞滿。總共用了大約27.4%。
查看電腦磁盤的IO計數(shù):
In [5]: psutil.disk_io_counters()
Out[5]: sdiskio(read_count=112237L, write_count=99750L, read_bytes=5243863040L, write_bytes=7047483392L, read_time=80568L, write_time=138699L)
In [7]: psutil.disk_io_counters(perdisk=True)
Out[7]:
{'disk0': sdiskio(read_count=103533L, write_count=86260L, read_bytes=5120090624L, write_bytes=4813373440L, read_time=29774L, write_time=27654L),
'disk1': sdiskio(read_count=8740L, write_count=13723L, read_bytes=124141056L, write_bytes=2237206528L, read_time=50840L, write_time=111871L)}
上面分別使用了兩種方式,第一種方式是獲取磁盤總的IO信息,第二種是查看電腦分區(qū)的磁盤信息。從結(jié)果上來看,信息的統(tǒng)計不是按照邏輯分區(qū)來統(tǒng)計的,而是按照物理磁盤來統(tǒng)計的。我的電腦上正好是有兩塊磁盤,一塊機械硬盤還有一塊固態(tài)硬盤,其實這個按照物理磁盤進行統(tǒng)計的說法是根據(jù)這個推斷出來的。
以上這篇使用python獲取電腦的磁盤信息方法就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Django 添加靜態(tài)文件的兩種實現(xiàn)方法(必看篇)
下面小編就為大家?guī)硪黄狣jango 添加靜態(tài)文件的兩種實現(xiàn)方法(必看篇)。小編覺得挺不錯的,現(xiàn)在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2017-07-07
python 利用opencv實現(xiàn)圖像網(wǎng)絡(luò)傳輸
這篇文章主要介紹了python 如何利用opencv實現(xiàn)圖像網(wǎng)絡(luò)傳輸,幫助大家更好的理解和使用python,感興趣的朋友可以了解下2020-11-11
Keras存在自定義loss或layer怎樣解決load_model報錯問題
這篇文章主要介紹了Keras存在自定義loss或layer怎樣解決load_model報錯問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-09-09
Python項目實戰(zhàn)之使用Django框架實現(xiàn)支付寶付款功能
這篇文章主要介紹了Python項目實戰(zhàn)之使用Django框架實現(xiàn)支付寶付款功能,本文給大家介紹的非常詳細,對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2021-02-02
pandas數(shù)據(jù)預(yù)處理之dataframe的groupby操作方法
下面小編就為大家分享一篇pandas數(shù)據(jù)預(yù)處理之dataframe的groupby操作方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04

