目录

• python脚本性能分析
• python性能分析技巧
• 1.分析一行代码
• 2.分析多行代码
• 3.代码块中的每一行代码进行时间分析

python脚本性能分析

首先使用cd进入需要测试的脚本文件对应的目录，然后再使用如下代码完成对脚本的性能测试。

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

我们可以看到我们获取到了每一步操作所需要的时间。

对于如何测试单行代码运行时间，可以看这篇python 代码运行时间获取方式(超链接点击跳转)。

python性能分析技巧

当我们开始精通编程语言时，我们不仅希望实现最终的编程目标，而且还希望可以使我们的程序更高效。

在本文中，我们将学习一些Ipython的命令，这些命令可以帮助我们对Python代码进行时间分析。

注意，在本教程中，我建议使用Anaconda。

1.分析一行代码

要检查一行python代码的执行时间，请使用**%timeit**。下面是一个简单的例子来了解它的工作原理：

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

主要注意事项：

• 在要分析的代码行之前使用%timeit
• 它返回代码运行的平均值和标准偏差。在上面的示例中，执行了7次，每次执行对该代码循环100万次(默认行为)，这需要平均1.08微秒和43纳秒的标准偏差。
• 在调用magic命令时，可以自定义运行和循环的数量，示例如下：

#### 在%timeit magic命令中自定义运行和循环数%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)

使用命令选项-r和-n，分别表示执行次数和循环次数，我们将时间配置文件操作定制为执行5次和循环100次。

2.分析多行代码

本节向前迈进了一步，并解释了如何分析完整的代码块。通过对%timeit magic命令进行一个小的修改，将单百分比（%）替换为双百分比（%%），就可以分析一个完整的代码块。以下为示例演示，供参考：

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

可以观察到for循环的平均执行时间为10.5微秒。请注意，命令选项-r和-n分别用于控制执行次数和循环次数。

3.代码块中的每一行代码进行时间分析

到目前为止，我们只在分析一行代码或代码块时查看摘要统计信息，如果我们想评估代码块中每一行代码的性能呢？使用Line_profiler 。

Line_profiler 包可用于对任何函数执行逐行分析。要使用line_profiler软件包，请执行以下步骤：

安装—Line_profiler 包可以通过简单的调用pip或conda Install来安装。如果使用的是针对Python的anaconda发行版，建议使用conda安装

#### 安装line_profiler软件包conda install line_profiler

加载扩展—一旦安装，你可以使用IPython来加载line_profiler:

#### 加载line_profiler的Ipython扩展%load_ext line_profiler

时间分析函数—加载后，使用以下语法对任何预定义函数进行时间分析

%lprun -f function_name_only function_call_with_arguments

语法细节：

• 对line_profiler的调用以关键字%lprun开始，后跟命令选项-f
• 命令选项之后是函数名，然后是函数调用

在本练习中，我们将定义一个接受高度（以米为单位）和重量（以磅为单位）列表的函数，并将其分别转换为厘米和千克。

#### 定义函数def conversion(ht_mtrs, wt_lbs ):    ht_cms = [ht*100 for ht in ht_mtrs]    wt_kgs = [wt*.4535 for wt in wt_lbs]
#### 定义高度和重量列表:ht = [5,5,4,7,6]wt = [108, 120, 110, 98]
#### 使用line_profiler分析函数%lprun -f conversion conversion(ht,wt)
---------------------------------------------------------------#### 输出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]

输出详细信息：

• 以14.6微秒为单位（参考第一行输出）

生成的表有6列：

• 第1列（行#）—代码的行号（请注意，第#1行是故意从输出中省略的，因为它只是函数定义语句）
• 第2列（命中）—调用该行的次数
• 第3列（时间）—在代码行上花费的时间单位数（每个时间单位为14.6微秒）
• 第4列（每次命中平均时间）—第3列除以第2列
• 第5列（%Time）—在所花费的总时间中，花在特定代码行上的时间百分比是多少
• 第6列（内容）—代码行的内容

你可以清楚地看到，高度从米到厘米的转换几乎占了总时间的72%。

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python中列表和字典问题有哪些

  在Python中，如果我们想要在遍历一组数据的过程中，对这组数据进行修改，通常会出现许多问题，例如对列表进行上述操作时， 会忽略部分数据；遍历字典时，不能修改数据。本文针对这些问题，提出了多种解决方案。

• Python如何对redis数据库操作，有哪些应用

  大家应该都知道redis是一个基于内存的高效的键值型非关系数据库,下面这篇文章主要给大家介绍了关于Python操作Redis的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下

• Python区块链块添加的实现及详细过程是什么

  这篇文章主要为大家介绍了Python区块链块的添加教程详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪

• python中plot函数用法是什么？要注意哪些？

  今天给大家分享的是关于plot函数怎样使用的内容，在python环境中，若要绘制图形，那么就一定离不开plot函数，因此小编分享给大家做个参考，下文实例对大家学习plot函数有一定帮助，接下来跟随小编一起看看吧。

• django里怎样优化SQL的查询效率

  我们可以利用Django框架中select_related和prefetch_related函数对数据库查询优化,这篇文章主要给大家介绍了关于Django中prefetch_related()函数优化的相关资料,需要的朋友可以参考下