python 代码优化 时间_python 代码检查，实现行级代码优化

有时候运行一个python程序，它需要运行很长时间。你或许想提升该程序的运行效率。那该怎么做那？

首先需要你要找到该程序瓶颈在哪里~   比如，哪个函数的运行花费时间比较长？ 哪个函数占用内存比较多，是否需要优化对内存的使用？ 哪个占用cpu时间比较长？ 等...   这些都需要考虑，python有几个库可以帮助你解决这些问题～   废话不多说，切入主题。

首先写一段读取一个文件的python脚本:touch c9.py

#!/usr/bin/env python

#Date: 2015/07/21

def read_file(fpath):

BLOCK_SIZE=1024

with open(fpath, 'rb') as fd:

block = fd.read(BLOCK_SIZE)

if block:

yield block

else:

return

def main():

for i in read_file('~/access.log')

print i

if __name__ == "__main__":

main()

然后，对该代码进行测试。

首先测试该代码运行时间：

它是一个外部的python测量。

real 表明了执行脚本花费的总时间。

user 表明了执行脚本花费在cpu的时间。

sys 表明了执行脚本花费在内核函数的时间。

因此， Real time和user＋sys相加的不同或许表明了时间花费在等待i/o或者是系统在忙于执行其他任务。

使用cProfile模块

如果想知道花费在每个函数和方法上的时间，以及他们被调用了多少次，你可以使用cProfile模块。

$ python -m cProfile -s cumulative  + 要执行的python脚本    ( -s cumulative 它将通过累积花费在每个函数上的时间来排序)

你将看到花费在运行你的脚本总时间是比以前高的，这是我们测量每个函数执行时间的损失。

使用line_profile模块

line_profile 给出了在你代码美一行花费cpu时间。

首先需要安装line_profiler:

pip install line_profiler

接下来，你需要制定你想使用装饰器@profile评估哪个函数(你不需要把它import 到你的文件中)

接下来测试该代码：

$ kernprof -l -v + 要执行的代码

-l 标识表明了逐行和-v标识表明详细输出。

使用memory_profile模块

memory_profile模块被用于在逐行的基础上，测量你代码的内存使用率。尽管如此，它可能使得你的代码运行的更慢。

首先安装memory_profiler

$pip install memory_profiler

也建议安装psutil包,使得memory_profile模块运行的更快。

$ pip install psutil

类似于line_profile的方式，使用装饰器@profile来标记哪个函数被跟踪。

$python -m memory_profiler + 要执行的代码文件

看上面的输出，注意内存使用率的单位是MiB,这代表的是兆字节(1MiB = 1.05MB).

使用guppy模块

使用guppy模块你可以跟踪每个类型在你代码中每个阶段(字符、元组、字典等等)有多少对象被创建。

安装guppy:

$ pip install guppy

然后将你的代码该改成如下：#!/usr/bin/env python

from guppy import hpy

def read_file(fpath):

hp = hpy()

print "Heap at the beginning of the function\n", hp.heap()

BLOCK_SIZE = 1024

with open(fpath, 'rb') as fd:

while True:

block = fd.read(BLOCK_SIZE)

if block:

yield block

else:

print "Heap at the end of the function\n", hp.heap()

return

def main():

hp = hpy()

print "Heap at the beginning of the function\n", hp.heap()

for i in read_file('/Users/David/Applications/py/dt'):

#print i

pass

print "Heap at the end of the function\n", hp.heap()

if __name__ == "__main__":

main()

执行该代码：

$ python c9.py

通过数据结果，可以看出每个str、dict、function等对象被创建。

通过以上几个模块，可以更加清晰的了解python代码的执行过程以及对资源的占用情况。对代码优化有很大的帮助～～～