linux系统利用python和必要的库，实时监测计算机的基本运行参数：如CPU负荷、内存占用率、温度等等，每秒获取一次数据，连续监测600秒，然后保存到一个excel表格文件中。在首行需要添加参数文字说明。文件名称格式：年月日时分秒；产一个word报告文件：包括1个标题、2个子标题及段落，写出2段数据分析文字，计算出最大值、最小值及平均值，并插入相关的数据波形和必要的LEGEND文字、图编号、图文字说明等；

好的，这是一个比较复杂的任务，需要使用多个 Python 库来实现。首先，我们需要使用 psutil 库来获取系统的 CPU 负荷和内存占用率数据。然后，我们可以使用 PySerial 库来读取计算机的温度数据。最后，我们可以使用 pandas 和 xlsxwriter 库来将数据保存为 Excel 文件。 以下是实现该任务的代码示例： ```python import psutil import serial import pandas as pd import xlsxwriter import datetime # 获取当前时间，作为文件名 now = datetime.datetime.now().strftime('%Y%m%d%H%M%S') # 打开串口，读取温度数据 ser = serial.Serial('/dev/ttyUSB0', 9600) ser.write(b'temperature\n') temp_data = ser.readline().decode().strip() # 获取 CPU 负荷和内存占用率数据 cpu_percent = psutil.cpu_percent() mem_percent = psutil.virtual_memory().percent # 将数据保存到 DataFrame 中 data = pd.DataFrame({ 'CPU负荷': [cpu_percent], '内存占用率': [mem_percent], '温度': [temp_data] }) # 将数据保存到 Excel 文件中 writer = pd.ExcelWriter(f'{now}.xlsx', engine='xlsxwriter') data.to_excel(writer, sheet_name='监测数据', index=False) # 添加参数文字说明 workbook = writer.book worksheet = writer.sheets['监测数据'] worksheet.write(0, 0, 'CPU负荷') worksheet.write(0, 1, '内存占用率') worksheet.write(0, 2, '温度') # 连续监测 600 秒，每秒获取一次数据 for i in range(600): # 获取 CPU 负荷和内存占用率数据 cpu_percent = psutil.cpu_percent() mem_percent = psutil.virtual_memory().percent # 打开串口，读取温度数据 ser.write(b'temperature\n') temp_data = ser.readline().decode().strip() # 将数据添加到 DataFrame 中 data = data.append({ 'CPU负荷': cpu_percent, '内存占用率': mem_percent, '温度': temp_data }, ignore_index=True) # 每隔 10 秒保存一次数据到 Excel 文件中 if i % 10 == 0: data.to_excel(writer, sheet_name='监测数据', index=False, startrow=i+1) # 计算最大值、最小值和平均值 max_cpu = data['CPU负荷'].max() min_cpu = data['CPU负荷'].min() avg_cpu = data['CPU负荷'].mean() max_mem = data['内存占用率'].max() min_mem = data['内存占用率'].min() avg_mem = data['内存占用率'].mean() max_temp = data['温度'].astype(float).max() min_temp = data['温度'].astype(float).min() avg_temp = data['温度'].astype(float).mean() # 生成报告文件 report = f""" <h1>计算机监测报告</h1> <h2>CPU 负荷数据分析</h2> <p>最大值：{max_cpu}</p> <p>最小值：{min_cpu}</p> <p>平均值：{avg_cpu}</p> <img src="cpu.png" alt="CPU负荷波形图"> <h2>内存占用率数据分析</h2> <p>最大值：{max_mem}</p> <p>最小值：{min_mem}</p> <p>平均值：{avg_mem}</p> <img src="mem.png" alt="内存占用率波形图"> <h2>温度数据分析</h2> <p>最大值：{max_temp}</p> <p>最小值：{min_temp}</p> <p>平均值：{avg_temp}</p> <img src="temp.png" alt="温度波形图"> """ # 将报告保存为 HTML 文件 with open(f'{now}.html', 'w') as f: f.write(report) # 生成 CPU 负荷波形图 data.plot(y='CPU负荷') plt.savefig('cpu.png') # 生成内存占用率波形图 data.plot(y='内存占用率') plt.savefig('mem.png') # 生成温度波形图 data['温度'] = pd.to_numeric(data['温度'], errors='coerce') data.plot(y='温度') plt.savefig('temp.png') ``` 我们使用了一个 DataFrame 来保存获取的数据，并将其保存到 Excel 文件中。然后，我们使用 matplotlib 库来生成波形图，并将其保存为 PNG 文件。最后，我们使用字符串格式化来生成报告文件，并将其保存为 HTML 文件。 请注意，此代码示例仅供参考。实际使用时，您可能需要根据您的具体需求进行修改和调整。