小编给大家分享一下python如何做代码性能分析，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
1、简单易用，与C/C++、Java、C# 等传统语言相比，Python对代码格式的要求没有那么严格；2、Python属于开源的，所有人都可以看到源代码，并且可以被移植在许多平台上使用；3、Python面向对象，能够支持面向过程编程,也支持面向对象编程；4、Python是一种解释性语言，Python写的程序不需要编译成二进制代码，可以直接从源代码运行程序；5、Python功能强大，拥有的模块众多，基本能够实现所有的常见功能。
cProfile是python默认的性能分析器，他只测量CPU时间，并不关心内存消耗和其他与内存相关联的信息。
from time import sleep
import random
def random_list(start, end, length):
"""
生成随机列表
:param start: 随机开始数
:param end: 随机结束数
:param length: 列表长度
"""
data_list = []
for i in range(length):
data_list.append(random.randint(start, end))
return data_list
def bubble_sort(arr):
"""
冒泡排序: 对列表进行排序
:param arr 列表
"""
n = len(arr)
sleep(1)
for i in range(n):
for j in range(0, n - i - 1):
if arr[j] > arr[j + 1]:
arr[j], arr[j + 1] = arr[j + 1], arr[j]
return arr
if __name__ == '__main__':
get_data_list = random_list(1, 99, 10)
import cProfile
cProfile.run('bubble_sort({})'.format(get_data_list))继续使用上一篇文章中的例子，引用cProfile模块，run()方法参数说明。
run(statement, filename=None, sort=-1)
statement: 需要测试的代码或者函数（函数名）
fielname: 结果保存的位置， 默认为stdout
sort: 结果排序方法，常用的有cumtime: 累积时间， name: 函数名， line: 行号
为了使结果统计出耗时部分，我们加了sleep，结果如下：
❯ python demo.py
6 function calls in 1.004 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 1.004 1.004 <string>:1(<module>)
1 0.000 0.000 1.004 1.004 demo.py:19(bubble_sort)
1 0.000 0.000 1.004 1.004 {built-in method builtins.exec}
1 0.000 0.000 0.000 0.000 {built-in method builtins.len}
1 1.004 1.004 1.004 1.004 {built-in method time.sleep}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}6 function calls in 1.004 seconds 6个函数调用被监控，耗时1.004秒。
ncalls 函数被调用的次数。如果这一列有两个值，就表示有递归调用，第二个值是原生调用次数，第一个值是总调用次数。
tottime 函数内部消耗的总时间。（可以帮助优化）
percall 是tottime除以ncalls，一个函数每次调用平均消耗时间。
cumtime 之前所有子函数消费时间的累计和。
filename:lineno(function) 被分析函数所在文件名、行号、函数名。
line_profiler 可以提供有关时间是如何在各行之间分配的信息，直白一点就是给出程序每行的耗时，在无法确定哪行语句最浪费时间，这很有用。
line_profiler是一个第三方模块，需要安装。
https://github.com/pyutils/line_profiler
from time import sleep import random def random_list(start, end, length): """ 生成随机列表 :param start: 随机开始数 :param end: 随机结束数 :param length: 列表长度 """ data_list = [] for i in range(length): data_list.append(random.randint(start, end)) return data_list @profile def bubble_sort(arr): """ 冒泡排序: 对列表进行排序 :param arr 列表 """ n = len(arr) sleep(1) for i in range(n): for j in range(0, n - i - 1): if arr[j] > arr[j + 1]: arr[j], arr[j + 1] = arr[j + 1], arr[j] return arr if __name__ == '__main__': get_data_list = random_list(1, 99, 10) bubble_sort(get_data_list)
给需要监控的函数加上@profile 装饰器。通过kernprof命令运行文件（安装完line_profiler生成的命令）。
参数说明：
-l：以使用函数line_profiler
-v：以立即将结果打印到屏幕
运行结果：
kernprof -l -v demo.py Wrote profile results to demo.py.lprof Timer unit: 1e-06 s Total time: 1.00416 s File: demo.py Function: bubble_sort at line 18 Line # Hits Time Per Hit % Time Line Contents ============================================================== 18 @profile 19 def bubble_sort(arr): 20 """ 21 冒泡排序: 对列表进行排序 22 :param arr 列表 23 """ 24 1 8.0 8.0 0.0 n = len(arr) 25 1 1004030.0 1004030.0 100.0 sleep(1) 26 11 15.0 1.4 0.0 for i in range(n): 27 55 44.0 0.8 0.0 for j in range(0, n - i - 1): 28 45 41.0 0.9 0.0 if arr[j] > arr[j + 1]: 29 20 21.0 1.1 0.0 arr[j], arr[j + 1] = arr[j + 1], arr[j] 30 1 1.0 1.0 0.0 return arr
输出非常直观，分成了6列。
Line #：运行的代码行号。
Hits：代码行运行的次数。
Time：代码行的执行时间，单位为微秒。
Per Hit：Time/Hits。
% Time：代码行总执行时间所占的百分比。
Line Contents：代码行的内容。
只需查看% Time列，就可清楚地知道时间都花在了什么地方。
以上是“python如何做代码性能分析”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！
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：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
