python 视频快速温习_Python性能分析技巧

作者|Ujjwal Dalmia

编译|VK

来源|Towards Data Science

当我们开始精通编程语言时，我们不仅希望实现最终目标，而且希望使我们的程序高效。

在这个教程中，我们将学习一些Ipython的命令，这些命令可以帮助我们对Python代码进行时间分析。

注意，在本教程中，我建议使用Anaconda。

1.分析一行代码

要检查一行python代码的执行时间，请使用**%timeit**。下面是一个简单的例子来了解它的工作原理：

#### magics命令%timeit的简单用法

%timeit [num for num in range(20)]

#### 输出

1.08 µs ± 43 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

主要注意事项：

在要分析的代码行之前使用%timeit

它返回代码运行的平均值和标准偏差。在上面的示例中，执行了7次，每次执行对该代码循环100万次(默认行为)。这需要平均1.08微秒和43纳秒的标准偏差。

在调用magic命令时，可以自定义运行和循环的数量。示例如下：

#### 在%timeit magic命令中自定义运行和循环数

%timeit -r5 -n100 [num for num in range(20)]

1.01 µs ± 5.75 ns per loop (mean ± std. dev. of 5 runs, 100 loops each)

使用命令选项-r和-n，分别表示执行次数和循环次数，我们将时间配置文件操作定制为执行5次和循环100次。

2.分析多行代码

本节向前迈进了一步，并解释了如何分析完整的代码块。通过对%timeit magic命令进行一个小的修改，将单百分比(%)替换为双百分比(%%)，就可以分析一个完整的代码块。以下为示例演示，供参考：

#### 使用timeblock%%代码分析

%%timeit -r5 -n1000

for i in range(10):

n = i**2

m = i**3

o = abs(i)

#### 输出

10.5 µs ± 226 ns per loop (mean ± std. dev. of 5 runs, 1000 loops each)

可以观察到for循环的平均执行时间为10.5微秒。请注意，命令选项-r和-n分别用于控制执行次数和循环次数。

3.代码块中的每一行代码进行时间分析

到目前为止，我们只在分析一行代码或代码块时查看摘要统计信息。如果我们想评估代码块中每一行代码的性能呢？使用Line_profiler 。

Line_profiler 包可用于对任何函数执行逐行分析。要使用line_profiler软件包，请执行以下步骤：

安装—Line_profiler 包可以通过简单的调用pip或conda Install来安装。如果使用的是针对Python的anaconda发行版，建议使用conda安装

#### 安装line_profiler软件包

conda install line_profiler

加载扩展—一旦安装，你可以使用IPython来加载line_profiler:

#### 加载line_profiler的Ipython扩展

%load_ext line_profiler

时间分析函数—加载后，使用以下语法对任何预定义函数进行时间分析

%lprun -f function_name_only function_call_with_arguments

语法细节：

对line_profiler的调用以关键字%lprun开始，后跟命令选项-f

命令选项之后是函数名，然后是函数调用

在本练习中，我们将定义一个接受高度(以米为单位)和重量(以磅为单位)列表的函数，并将其分别转换为厘米和千克。

#### 定义函数

def conversion(ht_mtrs, wt_lbs ):

ht_cms = [ht*100 for ht in ht_mtrs]

wt_kgs = [wt*.4535 for wt in wt_lbs]

#### 定义高度和重量列表:

ht = [5,5,4,7,6]

wt = [108, 120, 110, 98]

#### 使用line_profiler分析函数

%lprun -f conversion conversion(ht,wt)

---------------------------------------------------------------

#### 输出

Total time: 1.46e-05 s

File:

Function: conversion at line 2

Line # Hits Time Per Hit % Time Line Contents

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

2 1 105.0 105.0 71.9 ht_cms = [ht*100 for ht in ht_mtrs]

3 1 41.0 41.0 28.1 wt_kgs = [wt*.4535 for wt in wt_lbs]

输出详细信息：

以14.6微秒为单位(参考第一行输出)

生成的表有6列：

第1列(行#)—代码的行号(请注意，第#1行是故意从输出中省略的，因为它只是函数定义语句)

第2列(命中)—调用该行的次数

第3列(时间)—在代码行上花费的时间单位数(每个时间单位为14.6微秒)

第4列(每次命中平均时间)—第3列除以第2列

第5列(%Time)—在所花费的总时间中，花在特定代码行上的时间百分比是多少

第6列(内容)—代码行的内容

你可以清楚地注意到，高度从米到厘米的转换几乎占了总时间的72%。

结束语

利用每一行代码的执行时间，我们可以部署策略来提高代码的效率。在接下来的3个教程中，我们将分享一些最佳实践来帮助你提高代码的效率。

我希望这篇教程能提供帮助，你能学到一些新东西。