检测Python程序执行效率及内存和CPU使用的7种方法
在运行复杂的Python程序时，执行时间会很长，这时也许想提高程序的执行效率。但该怎么做呢？
首先，要有个工具能够检测代码中的瓶颈，例如，到哪一部分执行时间比较长。接着，就针对这一部分进行优化。同时，还需要控制内存和CPU的使用，这样可以在另一方面优化代码。
因此，在这篇文章中我将介绍7个不同的Python工具，来检查代码中函数的执行时间以及内存和CPU的使用。1. 使用装饰器来衡量函数执行时间
有一个简单方法，那就是定义一个装饰器来测量函数的执行时间，并输出结果：
1 2 3 4 5 6 7 8 9 10 11 12 13 14import time
from functools import wraps
def fn_timer(function):
@wraps(function)
def function_timer(*args, **kwargs):
random python
t0 =time.time()
result =function(*args, **kwargs)
t1 =time.time()
print("Total time running %s: %s seconds"%                (function.func_name, str(t1-t0))
)
return result
return function_timer
接着，将这个装饰器添加到需要测量的函数之前，如下所示：
1 2 3@fn_timer
def myfunction(...): ...
例如，这里检测一个函数排序含有200万个随机数字的数组所需的时间：
1 2 3 4 5 6@fn_timer
def random_sort(n):
return sorted([random.random() for i in range(n)]) if__name__ =="__main__":
random_sort(2000000)
执行脚本时，会看到下面的结果：
1Total time running random_sort: 1.41124916077 seconds
2. 使用timeit模块
另一种方法是使用timeit模块，用来计算平均时间消耗。
执行下面的脚本可以运行该模块。
1$ python -m timeit -n 4-r 5-s "import timing_functions""timing_functions.random_sort(2000000)"这里的timing_functions是Python脚本文件名称。
读者会发现执行脚本所需的总时间比以前要多。这是由于测量每个函数的执行时间这个操作本身也是需要时间。
5. 使用line_profiler模块
line_profiler模块可以给出执行每行代码所需占用的CPU时间。
首先，安装该模块：
1$ pip install line_profiler
接着，需要指定用@profile检测哪个函数（不需要在代码中用import导入模块）：
1 2 3 4 5 6 7 8@profile
def random_sort2(n):
l =[random.random() for i in range(n)]    l.sort()
return l
if__name__ =="__main__":
random_sort2(2000000)
最好，可以通过下面的命令获得关于random_sort2函数的逐行描述。
1$ kernprof -l -v timing_functions.py
其中-l表示逐行解释，-v表示表示输出详细结果。通过这种方法，我们看到构建数组消耗了44%的计算时间，而sort()方法消耗了剩余的56%的时间。
同样，由于需要检测执行时间，脚本的执行时间更长了。
6. 使用memory_profiler模块
memory_profiler模块用来基于逐行测量代码的内存使用。使用这个模块会让代码运行的更慢。
安装方法如下：
1$ pip install memory_profiler
另外，建议安装psutil包，这样memory_profile会运行的快一点：
1$ pip install psutil
与line_profiler相似，使用@profile装饰器来标识需要追踪的函数。接着，输入：
1$ python -m memory_profiler timing_functions.py
脚本的执行时间比以前长1或2秒。如果没有安装psutil
包，也许会更长。
从结果可以看出，内存使用是以MiB为单位衡量的，表示的mebibyte（1MiB = 1.05MB）。
7. 使用guppy包
最后，通过这个包可以知道在代码执行的每个阶段中，每种类型（str、tuple、dict等）分别创建了多少对象。安装方法如下：
1$ pip install guppy
接着，将其添加到代码中：
1 2 3 4 5 6 7 8 9 10from guppy import hpy
def random_sort3(n):
hp =hpy()
print"Heap at the beginning of the functionn", hp.heap()    l =[random.random() for i in range(n)]
l.sort()
print"Heap at the end of the functionn", hp.heap()
return l
通过在代码中将heap()放置在不同的位置，可以了解到脚本中的对象创建和删除操作的流程。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。