写一个python多线程

示例：

import threading

def print_numbers(start, end):
    for i in range(start, end):
        print(i)

# 创建两个线程，分别打印 0~4 和 5~9
t1 = threading.Thread(target=print_numbers, args=(0, 5))
t2 = threading.Thread(target=print_numbers, args=(5, 10))

# 启动线程
t1.start()
t2.start()

# 等待线程执行完毕
t1.join()
t2.join()

print("Done!")

输出结果：

0
1
2
3
4
5
6
7
8
9
Done!

在上面的例子中，我们使用了 `threading.Thread` 类来创建线程，并指定了线程要执行的函数和参数。然后通过 `start()` 方法启动线程，最后通过 `join()` 方法等待线程执行完毕。

相关问题

写一个python多线程脚本

好的，下面是一个简单的Python多线程脚本示例，它创建了5个线程来同时执行一个函数：

import threading

def worker(num):
    """线程要执行的任务"""
    print(f"Thread {num} is working")

threads = []

# 创建5个线程
for i in range(5):
    t = threading.Thread(target=worker, args=(i,))
    threads.append(t)

# 启动所有线程
for thread in threads:
    thread.start()

# 等待所有线程完成
for thread in threads:
    thread.join()

print("All threads have finished")

运行以上代码，你会看到类似如下的输出：

Thread 0 is working
Thread 1 is working
Thread 2 is working
Thread 3 is working
Thread 4 is working
All threads have finished

该脚本创建了5个线程，并且在每个线程中打印一个消息。线程的启动和等待完成是在for循环中完成的。注意，在启动线程后，主线程不会等待线程完成，而是继续执行下一行代码，因此需要使用`thread.join()`方法等待所有线程完成。最终输出的消息证明了所有线程都已经完成了任务。

写一个python多线程示例

下面是一个简单的 Python 多线程示例，用于计算并输出斐波那契数列中前 20 个数字：

import threading

def fibonacci(n):
    if n <= 1:
        return n
    else:
        return (fibonacci(n-1) + fibonacci(n-2))

class FibonacciThread(threading.Thread):
    def __init__(self, n):
        threading.Thread.__init__(self)
        self.n = n

    def run(self):
        result = fibonacci(self.n)
        print("Fibonacci(%d) = %d" % (self.n, result))

threads = []

for i in range(20):
    thread = FibonacciThread(i)
    threads.append(thread)
    thread.start()

for thread in threads:
    thread.join()

该示例中，我们首先定义了一个计算斐波那契数的函数 `fibonacci`。接下来，我们定义了一个继承自 `threading.Thread` 的子类 `FibonacciThread`，该子类在初始化时接受一个整数参数 `n`，表示要计算的斐波那契数的位置。在 `run` 方法中，我们调用 `fibonacci` 函数计算斐波那契数，并将结果输出。

在主程序中，我们创建了 20 个 `FibonacciThread` 的实例，并将它们添加到一个列表中。然后，我们依次启动这些线程，并等待它们执行完毕。最后，我们输出了每个斐波那契数的值。

在实际应用中，多线程可以用于加速计算密集型任务，如图像处理、数据分析等。但需要注意的是，在多线程编程中，需要注意线程安全问题，如共享数据的同步和互斥等。