python一些性能分析的技巧_Python

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

1 2	`#### 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:

1 2	`#### 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

1	`%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: <ipython-input-13-41e195af43a9>

									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]