python一些性能分析的技巧
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[numfornuminrange(20)] ####输出 1.08µs±43nsperloop(mean±std.dev.of7runs,1000000loopseach)
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%timeitmagic命令中自定义运行和循环数 %timeit-r5-n100[numfornuminrange(20)] 1.01µs±5.75nsperloop(mean±std.dev.of5runs,100loopseach)
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%timeitmagic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 foriinrange(10): n=i**2 m=i**3 o=abs(i) ####输出 10.5µs±226nsperloop(mean±std.dev.of5runs,1000loopseach)
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condaInstall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 condainstallline_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_extline_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-ffunction_name_onlyfunction_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 defconversion(ht_mtrs,wt_lbs): ht_cms=[ht*100forhtinht_mtrs] wt_kgs=[wt*.4535forwtinwt_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-fconversionconversion(ht,wt) --------------------------------------------------------------- ####输出 Totaltime:1.46e-05s File:Function:conversionatline2 Line#HitsTimePerHit%TimeLineContents ============================================================== 21105.0105.071.9ht_cms=[ht*100forhtinht_mtrs] 3141.041.028.1wt_kgs=[wt*.4535forwtinwt_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。
以上就是python一些性能分析的技巧的详细内容，更多关于python性能分析的资料请关注毛票票其它相关文章！
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。