多线程

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、多线程创建的几种方式？

1、继承Thread类
2、实现runnable接口
3、实现callable接口
4、创建线程池

1.runnbale和callable的区别

runnable接口：没有返回值，不能抛异常，方法为run方法。可以通过thread传参，线程池启动
callable接口 ：有返回值，可以抛异常，方法为call方法，只能通过线程池使用。

2.有几种线程池

newSingleThreadExecutor （核心线程数和最大线程数为： 1）
单个线程的线程池，即线程池中每次只有一个线程工作，单线程串行执行任务
newFixedThreadExecutor(核心线程数和最大线程数相同，需要传参)
固定数量的线程池，每提交一个任务就是一个线程，直到达到线程池的最大数量，然后后面进入等待队列直到前面的任务完成才继续执行
newCacheThreadExecutor（核心线程数为0，最大线程数为Integer最大值）
可缓存线程池，当线程池大小超过了处理任务所需的线程，那么就会回收部分空闲（一般是60秒无执行）的线程，当有任务来时，又智能的添加新线程来执行。
newScheduleThreadExecutor （最大线程数为Integer最大值）
大小无限制的线程池，支持定时和周期性的执行线程

3.如何创建线程池

手动创建线程池 new ThreadPoolExecutor。
七个核心参数：
核心线程数、最大线程数、等待时间、等待时间单位、阻塞队列、线程工厂、拒绝策略。
常见阻塞队列：
ArrayBlockingQueue（有界队列按照先进先出的方式，初始化必须指定大小，还可以有参数。是否公平，指定初始化集合）
LinkedBlockingQueue（默认无界队列，永远放不满，所以核心线程数无意义）
SynchronousBlockingQueue（容量为0，不存储任务）
PriorityBlockingQueue（无界有序队列。不支持插入null元素，只能插入compareable的对象）
常见的拒绝策略：
AbortPolicy：丢弃任务并抛出异常（默认）
DiscardPolicy：丢弃任务但不抛出异常
DiscardOldestPolicy：丢弃队列最前面的任务，然后重新提交被拒绝的任务
CallerRunsPolicy：调用线程处理该任务

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.读入数据

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。