python如何做代码性能分析
更新时间：2021年04月26日 11:28:58 作者：虫师
这篇文章主要介绍了python如何做代码性能分析，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下
上一篇文章我们介绍了基准测试，通过基准测试可以发现程序变慢了，那么是因为什么原因导致性能变慢的，需要进一步做代码性能分析。python同样提供了性能分析工具。
cProfile
cProfile是python默认的性能分析器，他只测量CPU时间，并不关心内存消耗和其他与内存相关联的信息。
from time import sleep
import random
def random_list(start, end, length):
"""
生成随机列表
:param start: 随机开始数
:param end: 随机结束数
:param length: 列表长度
"""
data_list = []
for i in range(length):
data_list.append(random.randint(start, end))
return data_list
def bubble_sort(arr):
"""
冒泡排序: 对列表进行排序
:param arr 列表
"""
n = len(arr)
sleep(1)
for i in range(n):
for j in range(0, n - i - 1):
if arr[j] > arr[j + 1]:
arr[j], arr[j + 1] = arr[j + 1], arr[j]
return arr
if __name__ == '__main__':
get_data_list = random_list(1, 99, 10)
import cProfile
cProfile.run('bubble_sort({})'.format(get_data_list))
继续使用上一篇文章中的例子，引用cProfile模块，run()方法参数说明。
run(statement, filename=None, sort=-1)
- statement: 需要测试的代码或者函数（函数名）
- fielname: 结果保存的位置， 默认为stdout
- sort: 结果排序方法，常用的有cumtime: 累积时间， name: 函数名， line: 行号
为了使结果统计出耗时部分，我们加了sleep，结果如下：
❯ python demo.py
6 function calls in 1.004 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 1.004 1.004 <string>:1(<module>)
1 0.000 0.000 1.004 1.004 demo.py:19(bubble_sort)
1 0.000 0.000 1.004 1.004 {built-in method builtins.exec}
1 0.000 0.000 0.000 0.000 {built-in method builtins.len}
1 1.004 1.004 1.004 1.004 {built-in method time.sleep}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
- 6 function calls in 1.004 seconds 6个函数调用被监控，耗时1.004秒。
- ncalls 函数被调用的次数。如果这一列有两个值，就表示有递归调用，第二个值是原生调用次数，第一个值是总调用次数。
- tottime 函数内部消耗的总时间。（可以帮助优化）
- percall 是tottime除以ncalls，一个函数每次调用平均消耗时间。
- cumtime 之前所有子函数消费时间的累计和。
- filename:lineno(function) 被分析函数所在文件名、行号、函数名。
line_profiler
line_profiler 可以提供有关时间是如何在各行之间分配的信息，直白一点就是给出程序每行的耗时，在无法确定哪行语句最浪费时间，这很有用。
line_profiler是一个第三方模块，需要安装。
https://github.com/pyutils/line_profiler
from time import sleep
import random
def random_list(start, end, length):
"""
生成随机列表
:param start: 随机开始数
:param end: 随机结束数
:param length: 列表长度
"""
data_list = []
for i in range(length):
data_list.append(random.randint(start, end))
return data_list
@profile
def bubble_sort(arr):
"""
冒泡排序: 对列表进行排序
:param arr 列表
"""
n = len(arr)
sleep(1)
for i in range(n):
for j in range(0, n - i - 1):
if arr[j] > arr[j + 1]:
arr[j], arr[j + 1] = arr[j + 1], arr[j]
return arr
if __name__ == '__main__':
get_data_list = random_list(1, 99, 10)
bubble_sort(get_data_list)
给需要监控的函数加上@profile 装饰器。通过kernprof命令运行文件（安装完line_profiler生成的命令）。
参数说明：
- -l：以使用函数line_profiler
- -v：以立即将结果打印到屏幕
运行结果：
kernprof -l -v demo.py
Wrote profile results to demo.py.lprof
Timer unit: 1e-06 s
Total time: 1.00416 s
File: demo.py
Function: bubble_sort at line 18
Line # Hits Time Per Hit % Time Line Contents
==============================================================
18 @profile
19 def bubble_sort(arr):
20 """
21 冒泡排序: 对列表进行排序
22 :param arr 列表
23 """
24 1 8.0 8.0 0.0 n = len(arr)
25 1 1004030.0 1004030.0 100.0 sleep(1)
26 11 15.0 1.4 0.0 for i in range(n):
27 55 44.0 0.8 0.0 for j in range(0, n - i - 1):
28 45 41.0 0.9 0.0 if arr[j] > arr[j + 1]:
29 20 21.0 1.1 0.0 arr[j], arr[j + 1] = arr[j + 1], arr[j]
30 1 1.0 1.0 0.0 return arr
输出非常直观，分成了6列。
- Line #：运行的代码行号。
- Hits：代码行运行的次数。
- Time：代码行的执行时间，单位为微秒。
- Per Hit：Time/Hits。
- % Time：代码行总执行时间所占的百分比。
- Line Contents：代码行的内容。
只需查看% Time列，就可清楚地知道时间都花在了什么地方。
总结
性能测试分析站在项目层面是一个很庞大的话题，以前为测试工程师，关注的是性能工具的使用，以及用户维度的性能[1]；作为开发工程师，每个功能都是由一个个函数/方法组成，我们去分析每个函数/方法，甚至是每行代码的耗时，才能更好的进行代码层面的性能优化。
以上就是python如何做代码性能分析的详细内容，更多关于python 代码性能分析的资料请关注脚本之家其它相关文章！
相关文章
这篇文章给大家介绍了Python实现图片,灰度化以及图片显示的两种方法并通过代码示例和图文结合的方式给大家讲解的非常详细,需要的朋友可以参考下2024-02-02
最近有个作业，给定的数据为多边形的各个顶点，为N*2的矩阵，N 为多边形的顶点个数，计算任意两个多边形重叠面积计算，本文就来详细的介绍一下2021-08-08
Python 是一门开源的解释性语言，相比 Java C++ 等语言，Python 具有动态特性，非常灵活。这篇文章主要介绍了搞定这套Python爬虫面试题，面试会so easy,需要的朋友可以参考下2019-04-04
这篇文章主要介绍了OpenCV图像处理中常用的几个图像几何变换：裁剪、放大、缩小、平移、错切、镜像、旋转、透视等。文中示例代码非常详细，需要的朋友可以参考一下2021-12-12
这篇文章主要给大家分享的是分享四个python接口常用封装函数，文章基于python的相关资料展开详细的内容介绍，需要的小伙伴可以参考一下2022-04-04
这篇文章主要介绍了Python 图像处理 Pillow 库，图像处理是常用的技术，python 拥有丰富的第三方扩展库，Pillow 是 Python3 最常用的图像处理库，目前最高版本5.2.0。Python2 使用Pil库，两者是使用方法差不多，区别在于类的引用不同。下面来看看文章的详细内容2021-11-11
今天小编就为大家分享一篇python得到qq句柄,并显示在前台的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-10-10
MapReduce是一个用于大规模数据处理的分布式计算模型,最初由Google工程师设计并实现的,Google已经将完整的MapReduce论文公开发布了,本文给大家介绍了使用Python实现MapReduce的示例代码,需要的朋友可以参考下2024-05-05
这篇文章主要介绍了python sys模块sys.path使用方法,大家参考使用2013-12-12
在本篇文章里小编给大家整理的是一篇关于python3中确保枚举值代码分析内容，有兴趣的朋友们可以学习下。2020-12-12
最新评论