python腳本性能分析

首先使用cd進入需要測試的腳本文件對應的目錄，然后再使用如下代碼完成對腳本的性能測試。

# enter the directory of document
cd (file directory)
# use pdb library for debuging
python -m cProfile test.py

我們可以看到我們獲取到了每一步操作所需要的時間。

對于如何測試單行代碼運行時間，可以看這篇python 代碼運行時間獲取方式(超鏈接點擊跳轉)。

python性能分析技巧

當我們開始精通編程語言時，我們不僅希望實現(xiàn)最終的編程目標，而且還希望可以使我們的程序更高效。

在本文中，我們將學習一些Ipython的命令，這些命令可以幫助我們對Python代碼進行時間分析。

注意，在本教程中，我建議使用Anaconda。

1.分析一行代碼

要檢查一行python代碼的執(zhí)行時間，請使用**%timeit**。下面是一個簡單的例子來了解它的工作原理：

#### magics命令%timeit的簡單用法%timeit [num for num in range(20)]
#### 輸出1.08 μs ± 43 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

主要注意事項：

• 在要分析的代碼行之前使用%timeit
• 它返回代碼運行的平均值和標準偏差。在上面的示例中，執(zhí)行了7次，每次執(zhí)行對該代碼循環(huán)100萬次(默認行為)，這需要平均1.08微秒和43納秒的標準偏差。
• 在調用magic命令時，可以自定義運行和循環(huán)的數(shù)量，示例如下：

#### 在%timeit magic命令中自定義運行和循環(huán)數(shù)%timeit -r5 -n100 [num for num in range(20)]
1.01 μs ± 5.75 ns per loop (mean ± std. dev. of 5 runs, 100 loops each)

使用命令選項-r和-n，分別表示執(zhí)行次數(shù)和循環(huán)次數(shù)，我們將時間配置文件操作定制為執(zhí)行5次和循環(huán)100次。

2.分析多行代碼

本節(jié)向前邁進了一步，并解釋了如何分析完整的代碼塊。通過對%timeit magic命令進行一個小的修改，將單百分比（%）替換為雙百分比（%%），就可以分析一個完整的代碼塊。以下為示例演示，供參考：

#### 使用timeblock%%代碼分析%%timeit -r5 -n1000for i in range(10): ? ?n = i**2 ? ?m = i**3 ? ?o = abs(i)
#### 輸出10.5 μs ± 226 ns per loop (mean ± std. dev. of 5 runs, 1000 loops each)

可以觀察到for循環(huán)的平均執(zhí)行時間為10.5微秒。請注意，命令選項-r和-n分別用于控制執(zhí)行次數(shù)和循環(huán)次數(shù)。

3.代碼塊中的每一行代碼進行時間分析

到目前為止，我們只在分析一行代碼或代碼塊時查看摘要統(tǒng)計信息，如果我們想評估代碼塊中每一行代碼的性能呢？使用Line_profiler 。

Line_profiler 包可用于對任何函數(shù)執(zhí)行逐行分析。要使用line_profiler軟件包，請執(zhí)行以下步驟：

安裝—Line_profiler 包可以通過簡單的調用pip或conda Install來安裝。如果使用的是針對Python的anaconda發(fā)行版，建議使用conda安裝

#### 安裝line_profiler軟件包conda install line_profiler

加載擴展—一旦安裝，你可以使用IPython來加載line_profiler:

#### 加載line_profiler的Ipython擴展%load_ext line_profiler

時間分析函數(shù)—加載后，使用以下語法對任何預定義函數(shù)進行時間分析

%lprun -f function_name_only function_call_with_arguments

語法細節(jié)：

• 對line_profiler的調用以關鍵字%lprun開始，后跟命令選項-f
• 命令選項之后是函數(shù)名，然后是函數(shù)調用

在本練習中，我們將定義一個接受高度（以米為單位）和重量（以磅為單位）列表的函數(shù)，并將其分別轉換為厘米和千克。

#### 定義函數(shù)def conversion(ht_mtrs, wt_lbs ): ? ?ht_cms = [ht*100 for ht in ht_mtrs] ? ?wt_kgs = [wt*.4535 for wt in wt_lbs]
#### 定義高度和重量列表:ht = [5,5,4,7,6]wt = [108, 120, 110, 98]
#### 使用line_profiler分析函數(shù)%lprun -f conversion conversion(ht,wt)
---------------------------------------------------------------#### 輸出Total time: 1.46e-05 s
File: <ipython-input-13-41e195af43a9>
Function: conversion at line 2
Line # ? ? ?Hits ? ? ? ? Time ?Per Hit ? % Time ?Line Contents============================================================== ? ? 2 ? ? ? 1 ? ? ? ?105.0 ? ?105.0 ? ? 71.9 ? ? ?ht_cms = [ht*100 for ht in ht_mtrs] ? ? 3 ? ? ? 1 ? ? ? ? 41.0 ? ? 41.0 ? ? 28.1 ? ? ?wt_kgs = [wt*.4535 for wt in wt_lbs]

輸出詳細信息：

• 以14.6微秒為單位（參考第一行輸出）

生成的表有6列：

• 第1列（行#）—代碼的行號（請注意，第#1行是故意從輸出中省略的，因為它只是函數(shù)定義語句）
• 第2列（命中）—調用該行的次數(shù)
• 第3列（時間）—在代碼行上花費的時間單位數(shù)（每個時間單位為14.6微秒）
• 第4列（每次命中平均時間）—第3列除以第2列
• 第5列（%Time）—在所花費的總時間中，花在特定代碼行上的時間百分比是多少
• 第6列（內容）—代碼行的內容

你可以清楚地看到，高度從米到厘米的轉換幾乎占了總時間的72%。