python「性能分析」工具，再也不用自己计算函数耗时了

您所在的位置：网站首页 › python 查看函数 › python「性能分析」工具，再也不用自己计算函数耗时了

python「性能分析」工具，再也不用自己计算函数耗时了

2023-06-04 00:53| 来源: 网络整理| 查看: 265

1. cProfile：最便捷的性能分析

推荐指数： ⭐️⭐️⭐️⭐️

cProfile是python标准库中一个使用便捷、开销合理的 C 扩展，适用于分析长时间运行的程序。2

不想阅读太多细节的小伙伴，可以直接看代码，非常简单，直接在cProfile.run中输入目标函数名称：

import cProfile import test_module cProfile.run('test_module.func()')

在程序运行完后，就会在控制台打印test_module.func()运行的具体耗时情况：

538569 function calls (519249 primitive calls) in 71.446 seconds Ordered by: standard name ncalls tottime percall cumtime percall filename:lineno(function) 44 0.002 0.000 0.197 0.004 ImageFile.py:154(load) 18 0.000 0.000 0.001 0.000 ImageFile.py:278(load_prepare) 1 0.000 0.000 0.000 0.000 ImageFile.py:30() 1 0.000 0.000 0.000 0.000 ImageFile.py:313(StubImageFile) 1 0.000 0.000 0.000 0.000 ImageFile.py:339(Parser) 13 0.001 0.000 1.348 0.104 ImageFile.py:478(_save)

每一行依次列出了各个子函数的运行分析信息：

ncalls 调用次数

tottime 在给定函数中花费的总时间（不包括调用子函数的时间）

percall tottime除以ncalls的商

cumtime 是在这个函数和所有子函数中花费的累积时间（从调用到退出）。

percall 是cumtime除以原始调用次数的商

filename:lineno(function) 提供每个函数的各自信息

保存性能数据

如果你想保存这些性能数据，在run函数的参数中加上’restats’文件名：

cProfile.run('main()','restats')

就会保存到当前目录下的restats文件中。

查看性能数据

加载这些数据，可以进行后续的比较分析。

import pstats from pstats import SortKey # 加载保存到restats文件中的性能数据 p = pstats.Stats('restats') # 打印所有统计信息 p.strip_dirs().sort_stats(-1).print_stats() 查看耗时最多的子函数

最常用的是，查看耗时最多的函数排序，比如前十个：

# 打印累计耗时最多的10个函数 p.sort_stats(SortKey.CUMULATIVE).print_stats(10) # 打印内部耗时最多的10个函数（不包含子函数） p.sort_stats(SortKey.TIME).print_stats(10)

在这里插入图片描述上面两个例子分别用到用SortKey.CUMULATIVE或SortKey.TIME参数。

SortKey的具体参数如下表所示3：

在这里插入图片描述

查看特定名称函数的耗时

例如，我们在耗时排序中，发现一些加载函数的耗时较大，可以单独统计下包含load的调用信息：

# 打印包含load的函数名的调用者统计信息 p.print_callers(.5, 'load')

0.5表示列表被剔除到其原始大小的50%，然后保留包含load的行：

在这里插入图片描述

例如，还可以查看哪些类的初始化__init__函数耗时较多：

# 按耗时排序，依次打印类的__init__方法的统计信息 p.sort_stats(SortKey.CUMULATIVE).print_stats('__init__')

在这里插入图片描述

2. timeit：计算小代码片段的耗时

推荐指数： ⭐️⭐️

timeit适用于测量小段代码的耗时，可以在python代码中调用，也可以在命令行中调用4。timeit的设计避免了许多用于测量执行时间的常见陷阱。

测试你写的函数的运行时间：

def test(): """Stupid test function""" L = [i for i in range(100)] if __name__ == '__main__': import timeit print(timeit.timeit("test()", setup="from __main__ import test"))

测试一个语句的运行时间：

$ python -m timeit 'if hasattr(str, "__bool__"): pass' 50000 loops, best of 5: 4.26 usec per loop

使用方式： python -m timeit [-n N] [-r N] [-u U] [-s S] [-h] [statement ...]

-n N, --number=N 执行“语句”多少次

-r N, --repeat=N 重复计时器多少次（默认 5）

-s S, --setup=S 最初执行一次的语句（默认pass）

-p, --process 测量进程时间，而不是挂钟时间，使用time.process_time() 代替time.perf_counter()，这是默认值 3.3 版中的新功能。

-u, --unit=U 指定定时器输出的时间单位；可以选择 nsec、usec、msec 或 sec 3.5 版中的新功能。

-v, --verbose 打印原始计时结果；重复以获得更多数字精度

-h, --help 打印一个简短的使用信息并退出

转自 https://blog.csdn.net/Bit_Coders/article/details/120154767

【本文地址】

python「性能分析」工具，再也不用自己计算函数耗时了

python「性能分析」工具，再也不用自己计算函数耗时了

今日新闻

推荐新闻