基于python代码，实现500个节点进行随机多项式，计算运行时间和所占内存，然后将节点分区之后，再次计算得出时间和内存的对比结果，并绘图

以下是一个实现上述需求的 Python 代码示例：

import random
import time
import psutil
import matplotlib.pyplot as plt

def random_polynomial(n):
    a = [random.randint(0, 100) for i in range(n)]
    x = random.randint(0, 100)
    y = a[0]
    for i in range(1, n):
        y = y * x + a[i]
    return y

def test_performance(n):
    start_time = time.time()
    start_memory = psutil.Process().memory_info().rss / 1024 / 1024
    y = random_polynomial(n)
    end_time = time.time()
    end_memory = psutil.Process().memory_info().rss / 1024 / 1024
    return (end_time - start_time, end_memory - start_memory)

def partition(lst, n):
    return [lst[i:i + n] for i in range(0, len(lst), n)]

def test_performance_partitioned(n, k):
    lst = [random.randint(0, 100) for i in range(n)]
    partitions = partition(lst, n // k)
    start_time = time.time()
    start_memory = psutil.Process().memory_info().rss / 1024 / 1024
    for p in partitions:
        y = random_polynomial(len(p))
    end_time = time.time()
    end_memory = psutil.Process().memory_info().rss / 1024 / 1024
    return (end_time - start_time, end_memory - start_memory)

n = 500
k = 10

time1, memory1 = test_performance(n)
time2, memory2 = test_performance_partitioned(n, k)

print(f"Performance without partitioning: time = {time1:.6f}s, memory = {memory1:.6f}MB")
print(f"Performance with partitioning: time = {time2:.6f}s, memory = {memory2:.6f}MB")

plt.bar(["Without partitioning", "With partitioning"], [time1, time2])
plt.title("Performance comparison")
plt.xlabel("Method")
plt.ylabel("Time (s)")
plt.show()

plt.bar(["Without partitioning", "With partitioning"], [memory1, memory2])
plt.title("Memory usage comparison")
plt.xlabel("Method")
plt.ylabel("Memory (MB)")
plt.show()

这段代码实现了以下功能：

1. 定义了一个 `random_polynomial` 函数，用于生成随机多项式并计算其值。
2. 定义了一个 `test_performance` 函数，用于测试生成随机多项式的时间和内存占用。
3. 定义了一个 `partition` 函数，用于将一个列表分成若干个子列表。
4. 定义了一个 `test_performance_partitioned` 函数，用于测试将节点分区后生成随机多项式的时间和内存占用。
5. 对于给定的节点数 `n` 和分区数 `k`，分别计算未分区和已分区的随机多项式生成时间和内存占用，并输出结果。
6. 使用 Matplotlib 库绘制了两个柱状图，分别展示未分区和已分区的时间和内存占用对比结果。

需要说明的是，由于随机多项式的生成是一个随机过程，因此每次运行程序得到的时间和内存占用结果可能会有所不同。