Python的多线程可以通过threading模块实现。由于Python的全局解释器锁（GIL）的限制，Python的多线程不适合执行计算密集型任务，但对于IO密集型任务，多线程可以显著提高程序的效率。

以下是一个简单的多线程案例，该案例展示了如何使用threading模块创建和启动线程，并演示了如何等待所有线程完成。

python

复制

import threadingimport time# 定义一个函数，用于作为线程执行的任务def print_numbers(thread_name, delay):    count = 0    while count < 5:        time.sleep(delay)        count += 1        print(f"{thread_name}: {count}")# 创建两个线程try:    thread1 = threading.Thread(target=print_numbers, args=("Thread-1", 1))    thread2 = threading.Thread(target=print_numbers, args=("Thread-2", 2))    # 启动线程    thread1.start()    thread2.start()    # 等待所有线程完成    thread1.join()    thread2.join()except Exception as e:    print(f"Error: {e}")finally:    print("线程执行完毕")

在这个例子中，我们定义了一个print_numbers函数，它接受线程名称和延迟参数。这个函数每隔指定的延迟时间就会打印出线程名称和计数器。

然后，我们创建了两个线程thread1和thread2，它们都执行print_numbers函数，但有不同的延迟时间。通过调用start()方法启动线程，并通过join()方法等待线程完成。

请注意，多线程程序可能需要考虑线程同步和资源竞争的问题。如果多个线程需要访问共享资源，可能需要使用锁（例如threading.Lock或threading.RLock）来避免竞态条件。

在实际应用中，多线程通常用于执行多个IO密集型任务，例如网络请求、文件读写等。对于计算密集型任务，可以考虑使用多进程（multiprocessing模块）来绕过GIL的限制，或者使用异步编程（例如asyncio模块）来提高效率。