Profile性能分析工具怎么在Python中使用

這篇文章給大家介紹Profile性能分析工具怎么在Python中使用，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

Profiler 是 python 自帶的一組程序，能夠描述程序運行時候的性能，并提供各種統計幫助用戶定位程序的性能瓶頸。Python 標準模塊提供三種 profilers:cProfile,profile 以及 hotshot。

profile 的使用非常簡單，只需要在使用之前進行 import 即可,也可以在命令行中使用。

使用Profile

測試示例：

import profile
def a():
  sum = 0
  for i in range(1, 10001):
    sum += i
  return sum

def b():
  sum = 0
  for i in range(1, 100):
    sum += a()
  return sum
if __name__ == "__main__":
  profile.run("b()")

輸出結果：

   <br data-filtered="filtered"> 104 function calls in 0.094 seconds
 
Ordered by: standard name
 
ncalls tottime percall cumtime percall filename:lineno(function)
   1  0.000  0.000  0.094  0.094 :0(exec)
   1  0.000  0.000  0.000  0.000 :0(setprofile)
   1  0.000  0.000  0.094  0.094 <string>:1(<module>)
   1  0.000  0.000  0.094  0.094 profile:0(b())
   0  0.000       0.000     profile:0(profiler)
  99  0.094  0.001  0.094  0.001 test.py:15(a)
   1  0.000  0.000  0.094  0.094 test.py:21(b)

其中輸出每列的具體解釋如下：

●ncalls：表示函數調用的次數；

●tottime：表示指定函數的總的運行時間，除掉函數中調用子函數的運行時間；

●percall：（第一個 percall）等于 tottime/ncalls；

●cumtime：表示該函數及其所有子函數的調用運行的時間，即函數開始調用到返回的時間；

●percall：（第二個 percall）即函數運行一次的平均時間，等于 cumtime/ncalls；

●filename:lineno(function)：每個函數調用的具體信息；

如果需要將輸出以日志的形式保存，只需要在調用的時候加入另外一個參數。如 profile.run(“profileTest()”,”testprof”)。

命令行

如果我們不想在程序中調用profile庫使用，可以在命令行使用命令。

import os

def a():
  sum = 0
  for i in range(1, 10001):
    sum += i
  return sum

def b():
  sum = 0
  for i in range(1, 100):
    sum += a()
  return sum

print b()

運行命令查看性能分析結果

python -m cProfile test.py

將性能分析結果保存到result文件

python -m cProfile -o result test.py

使用pstats來格式化顯示結果

python -c "import pstats; p=pstats.Stats('reslut); p.print_stats()"

python -c "import pstats; p=pstats.Stats('result'); p.sort_stats('time').print_stats()

sort_stats支持以下參數：

calls, cumulative, file, line, module, name, nfl, pcalls, stdname, time

測試示例：在代碼中直接使用profile與stats

import os
def a():
	sum = 0
for i in range(1, 10001):
	sum += i
return sum
def b():
	sum = 0
for i in range(1, 100):
	sum += a()
return sum
print b()
import cProfile# cProfile.run("b()")
cProfile.run("b()", "result")
import pstats
pstats.Stats('result').sort_stats(-1).print_stats()

關于Profile性能分析工具怎么在Python中使用就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。