python运行时间过长怎么优化_python代码-性能调优-优化运行时间

背景

之前再effective python 58章了解了性能分析的方法，

最近刚好用到工作上了，是一个很不错的方法，今天

特意介绍下cProfile与pstats

代码

def insertion_sort(data):

result = []

for value in data:

insert_value(result, value)

return result

def insert_value(array, value):

for i, existing in enumerate(array):

if existing > value:

array.insert(i, value)

return

array.append(value)

if __name__ == '__main__':

from random import randint

from cProfile import Profile

from pstats import Stats

max_size = 10 ** 4

data = [randint(0, max_size) for _ in range(max_size)]

profiler = Profile()

profiler.runcall(insertion_sort, data)

stats = Stats(profiler)

stats.strip_dirs()

stats.sort_stats('cumulative') # 根据累计时间排序

# stats.print_callers()

stats.print_stats(2) # 输出头两个 不指定数量则输出所有

可以看到统计输出：

Ordered by: cumulative time

List reduced from 5 to 2 due to restriction <2>

ncalls tottime percall cumtime percall filename:lineno(function)

1 0.011 0.011 2.009 2.009 detail_total.py:4(insertion_sort)

10000 1.971 0.000 1.998 0.000 detail_total.py:11(insert_value)

# 结果

可以清晰的统计分许 耗时的函数 可以大致定位方向

还有一个分析函数内部每行的执行时间的方法

pip install line_profiler

import line_profiler

import sys

def test(a):

for i in range(1000):

a+=1

prof = line_profiler.LineProfiler(test)

prof.enable() # 开始性能分析

test(3)

prof.disable() # 停止性能分析

prof.print_stats(sys.stdout)

Timer unit: 1e-06 s

Total time: 0.000802 s

File: /home/liuhu001/temp/effective_python/58perfomance/time_count/profile_line.py

Function: test at line 6

Line # Hits Time Per Hit % Time Line Contents

==============================================================

6 def test(a):

7 1001 352.0 0.4 43.9 for i in range(1000):

8 1000 450.0 0.5 56.1 a+=1

大部分情况下 很少到需要性能优化这一步，一旦需要，则可以借鉴工具，

快速定位，并优化参考文章

cprofile