python腳本性能分析

首先使用cd進(jìn)入需要測(cè)試的腳本文件對(duì)應(yīng)的目錄，然后再使用如下代碼完成對(duì)腳本的性能測(cè)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(shí)間。

對(duì)于如何測(cè)試單行代碼運(yùn)行時(shí)間，可以看這篇python 代碼運(yùn)行時(shí)間獲取方式(超鏈接點(diǎn)擊跳轉(zhuǎn))。

python性能分析技巧

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

在本文中，我們將學(xué)習(xí)一些Ipython的命令，這些命令可以幫助我們對(duì)Python代碼進(jìn)行時(shí)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(shí)間，請(qǐng)使用**%timeit**。下面是一個(gè)簡(jiǎn)單的例子來了解它的工作原理：

#### magics命令%timeit的簡(jiǎn)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(xiàng)：

• 在要分析的代碼行之前使用%timeit
• 它返回代碼運(yùn)行的平均值和標(biāo)準(zhǔn)偏差。在上面的示例中，執(zhí)行了7次，每次執(zhí)行對(duì)該代碼循環(huán)100萬(wàn)次(默認(rèn)行為)，這需要平均1.08微秒和43納秒的標(biāo)準(zhǔn)偏差。
• 在調(diào)用magic命令時(shí)，可以自定義運(yùn)行和循環(huán)的數(shù)量，示例如下：

#### 在%timeit magic命令中自定義運(yùn)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(xiàng)-r和-n，分別表示執(zhí)行次數(shù)和循環(huán)次數(shù)，我們將時(shí)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(jìn)了一步，并解釋了如何分析完整的代碼塊。通過對(duì)%timeit magic命令進(jìn)行一個(gè)小的修改，將單百分比（%）替換為雙百分比（%%），就可以分析一個(gè)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(shí)間為10.5微秒。請(qǐng)注意，命令選項(xiàng)-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(jìn)行時(shí)間分析

到目前為止，我們只在分析一行代碼或代碼塊時(shí)查看摘要統(tǒng)計(jì)信息，如果我們想評(píng)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(duì)任何函數(shù)執(zhí)行逐行分析。要使用line_profiler軟件包，請(qǐng)執(zhí)行以下步驟：

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

#### 安裝line_profiler軟件包c(diǎn)onda install line_profiler

加載擴(kuò)展—一旦安裝，你可以使用IPython來加載line_profiler:

#### 加載line_profiler的Ipython擴(kuò)展%load_ext line_profiler

時(shí)間分析函數(shù)—加載后，使用以下語(yǔ)法對(duì)任何預(yù)定義函數(shù)進(jìn)行時(shí)間分析

%lprun -f function_name_only function_call_with_arguments

語(yǔ)法細(xì)節(jié)：

• 對(duì)line_profiler的調(diào)用以關(guān)鍵字%lprun開始，后跟命令選項(xiàng)-f
• 命令選項(xiàng)之后是函數(shù)名，然后是函數(shù)調(diào)用

在本練習(xí)中，我們將定義一個(gè)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(zhuǎn)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(xì)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(hào)（請(qǐng)注意，第#1行是故意從輸出中省略的，因?yàn)樗皇呛瘮?shù)定義語(yǔ)句）
• 第2列（命中）—調(diào)用該行的次數(shù)
• 第3列（時(shí)間）—在代碼行上花費(fèi)的時(shí)間單位數(shù)（每個(gè)時(shí)間單位為14.6微秒）
• 第4列（每次命中平均時(shí)間）—第3列除以第2列
• 第5列（%Time）—在所花費(fèi)的總時(shí)間中，花在特定代碼行上的時(shí)間百分比是多少
• 第6列（內(nèi)容）—代碼行的內(nèi)容

你可以清楚地看到，高度從米到厘米的轉(zhuǎn)換幾乎占了總時(shí)間的72%。

利用每一行代碼的執(zhí)行時(shí)間，我們可以部署策略來提高代碼的效率。以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論