這篇文章主要介紹了Python性能分析工具Profile使用實例,文中通過示例代碼介紹的非常詳細，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

代碼優化的前提是需要了解性能瓶頸在什么地方，程序運行的主要時間是消耗在哪里，對于比較復雜的代碼可以借助一些工具來定位，python 內置了豐富的性能分析工具，如 profile,cProfile 與 hotshot 等。其中 Profiler 是 python 自帶的一組程序，能夠描述程序運行時候的性能，并提供各種統計幫助用戶定位程序的性能瓶頸。Python 標準模塊提供三種 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,也可以在命令行中使用。

使用Profile

測試示例：

import profiledef a():  sum = 0  for i in range(1, 10001):    sum += i  return sumdef b():  sum = 0  for i in range(1, 100):    sum += a()  return sumif __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：表示函數調用的次數；

●tottime：表示指定函數的總的運行時間，除掉函數中調用子函數的運行時間；

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

●cumtime：表示該函數及其所有子函數的調用運行的時間，即函數開始調用到返回的時間；

●percall：（第二個 percall）即函數運行一次的平均時間，等于 cumtime/ncalls；

●filename:lineno(function)：每個函數調用的具體信息；

如果需要將輸出以日志的形式保存，只需要在調用的時候加入另外一個參數。如 profile.run(“profileTest()”,”testprof”)。

命令行

如果我們不想在程序中調用profile庫使用，可以在命令行使用命令。

import osdef a():  sum = 0  for i in range(1, 10001):    sum += i  return sumdef b():  sum = 0  for i in range(1, 100):    sum += a()  return sumprint b()

運行命令查看性能分析結果

python -m cProfile test.py

將性能分析結果保存到result文件

python -m cProfile -o result test.py