python如何分析程序性能

when use Profiler?
有时候你觉得程序运行很慢，想对程序进行优化，但是你又不知道哪部分程序入手，这时候你就需要对程序整体性能进行分析，看看速度慢主要是哪部分程序导致的

why use cProfile?
cProfile，一个python程序性能分析模块。其实Python有两个profiler，Profile和cProfile，前者是纯Python写的，会产生比较大的开销，测试结果不准确。后者是c语言扩展模块，对受测程序影响比较小，所以推荐用cProfile.

how to use cProfile?
首先有以下程序：

from cProfile import Profile 
from pstats import Stats

def for1():
    y = 0
    for i in range(100):
        y = y +i

def for2():
    y = 0
    for i in range(1000000):
        y = y + i

def test():     
    for1()
    for2()

现在要对test进行分析:

if __name__ == "__main__":
    profiler = Profile() #创建profiler对象
    profiler.runcall(test) #对test进行测试
    stats = Stats(profiler)
    stats.strip_dirs()
    stats.sort_stats('cumulative')
    stats.print_stats()

结果如下：

  4 function calls in 0.192 seconds

   Ordered by: cumulative time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    0.192    0.192 main.py:48(test1)
        1    0.192    0.192    0.192    0.192 main.py:43(for2)
        1    0.000    0.000    0.000    0.000 main.py:38(for1)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

要分析该结果，我们先要知道几个名词的意思(从左到右)
ncalls：函数在性能分析期间调用的次数
tottime：函数总的运行时间，除去子函数的运行时间
percall：tottime/ncalls
cumtime：该函数包括子函数的累计时间
percall：cumtime/ncalls
filename:lineno(function)：函数调用的信息

ok,到这里，你就可以看出来for2函数运行时间是最长的了，因为它cumtime比for1的大。

我们还使用了pstats的Stats类:
stats = Stats(profiler)：创建对象
stats.strip_dirs()：去掉无关路径信息
stats.sort_stats(‘cumulative’)：按累计时间进行排序，也可以按照calls, cumulative，line, module, name, nfl, pcalls, stdname, time进行排序
stats.print_stats()：打印统计消息，如果想打印top2的信息，则 stats.print_stats(2)