這篇文章主要介紹了Python效能分析工具Profile使用例項,文中通過示例程式碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

程式碼優化的前提是需要了解效能瓶頸在什麼地方，程式執行的主要時間是消耗在哪裡，對於比較複雜的程式碼可以藉助一些工具來定位，python 內建了豐富的效能分析工具，如 profile,cProfile 與 hotshot 等。其中 Profiler 是 python 自帶的一組程式，能夠描述程式執行時候的效能，並提供各種統計幫助使用者定位程式的效能瓶頸。Python 標準模組提供三種 profilers:cProfile,profile 以及 hotshot。

profile 的使用非常簡單，只需要在使用之前進行 import 即可,也可以在命令列中使用。

使用Profile

測試示例：

import profile
def a():
  sum = 0
  for i in range(1,10001):
    sum += i
  return sum

def b():
  sum = 0
  for i in range(1,100):
    sum += a()
  return sum
if __name__ == "__main__":
  profile.run("b()")

輸出結果：

   <br data-filtered="filtered"> 104 function calls in 0.094 seconds
 
Ordered by: standard name
 
ncalls tottime percall cumtime percall filename:lineno(function)
   1  0.000  0.000  0.094  0.094 :0(exec)
   1  0.000  0.000  0.000  0.000 :0(setprofile)
   1  0.000  0.000  0.094  0.094 <string>:1(<module>)
   1  0.000  0.000  0.094  0.094 profile:0(b())
   0  0.000       0.000     profile:0(profiler)
  99  0.094  0.001  0.094  0.001 test.py:15(a)
   1  0.000  0.000  0.094  0.094 test.py:21(b)

其中輸出每列的具體解釋如下：

●ncalls：表示函式呼叫的次數；

●tottime：表示指定函式的總的執行時間，除掉函式中呼叫子函式的執行時間；

●percall：（第一個 percall）等於 tottime/ncalls；

●cumtime：表示該函式及其所有子函式的呼叫執行的時間，即函式開始呼叫到返回的時間；

●percall：（第二個 percall）即函式執行一次的平均時間，等於 cumtime/ncalls；

●filename:lineno(function)：每個函式呼叫的具體資訊；

如果需要將輸出以日誌的形式儲存，只需要在呼叫的時候加入另外一個引數。如 profile.run(“profileTest()”,”testprof”)。

命令列

如果我們不想在程式中呼叫profile庫使用，可以在命令列使用命令。

import os

def a():
  sum = 0
  for i in range(1,100):
    sum += a()
  return sum

print b()

執行命令檢視效能分析結果

python -m cProfile test.py

將效能分析結果儲存到result檔案

python -m cProfile -o result test.py

使用pstats來格式化顯示結果

python -c "import pstats; p=pstats.Stats('reslut); p.print_stats()"

python -c "import pstats; p=pstats.Stats('result'); p.sort_stats('time').print_stats()

sort_stats支援以下引數：

calls,cumulative,file,line,module,name,nfl,pcalls,stdname,time

測試示例：在程式碼中直接使用profile與stats

import os
def a():
	sum = 0
for i in range(1,10001):
	sum += i
return sum
def b():
	sum = 0
for i in range(1,100):
	sum += a()
return sum
print b()
import cProfile# cProfile.run("b()")
cProfile.run("b()","result")
import pstats
pstats.Stats('result').sort_stats(-1).print_stats()

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。