偷拍久久久久,亚洲综合娱乐视频播放,8050网午夜一级,无码国产69精品久久久久,俺去精品在线,婷婷色五月激情强奸,亚洲乱伦一区二区三区,黄网av

大家好，歡迎來到Crossin的編程教室！

雖然很多人都認為Python是一個“慢”語言，但其實很多時候，導致程序慢的原因并不是語言的鍋，而是代碼寫得不夠好。所以在程序運行過程中，如果發(fā)現(xiàn)運行時間太長或者內存占用過大，就需要對程序的執(zhí)行過程進行一些監(jiān)測，找到有問題的地方，進行優(yōu)化。今天我們就來分享一些平時能用上的Python性能分析工具。

memory_profiler

memory_profiler是監(jiān)控python進程的神器，只需要在函數(shù)加一個裝飾器就可以輸出每行代碼的內存使用情況

安裝：


pip install memory_profiler

使用：

import time
@profiledef my_func():    a = [1] * (10 ** 6)    b = [2] * (2 * 10 ** 7)    time.sleep(10)    del b    del a    print "+++++++++"
if __name__ == '__main__':    my_func()

輸出：

$ python -m memory_profiler del3.py+++++++++Filename: del3.py
Line #    Mem usage    Increment   Line Contents================================================  10.293 MiB    0.000 MiB   @profile                            def my_func():  17.934 MiB    7.641 MiB       a = [1] * (10 ** 6) 170.523 MiB  152.590 MiB       b = [2] * (2 * 10 ** 7) 170.527 MiB    0.004 MiB       time.sleep(10)  17.938 MiB -152.590 MiB       del b  10.305 MiB   -7.633 MiB       del a  10.309 MiB    0.004 MiB       print "+++++++++"

內建函數(shù) timeit

import timeitimport time
def my_func():    time.sleep(1)    return sum([1,2,3])
result = timeit.timeit(my_func, number=5)print(result)

Jupyter Notebook Magic 命令

在Jupyter Notebook中，可以通過%%timeit魔法命令測試cell中代碼的運行時間

%%timeit
import timedef my_func():    time.sleep(1)    return sum([1,2,3])
result = timeit.timeit(my_func, number=5)print(result)

計時裝飾器

Python 中的裝飾器可以在其他函數(shù)不需要改動任何代碼的情況下增加額外功能，經常用在，插入日志、性能測試、權限校驗等場景中。我們可以將計時功能封裝成一個裝飾器，方便復用。

from functools import wrapsimport time
def timeit(func):    @wraps(func)    def deco():        start = time.time()        res = func()        end = time.time()        delta = end - start        print("Wall time ", delta)        return res    return deco

使用：

@timeitdef my_func():    # do something    time.sleep(3)    pass

輸出：

Wall time: 3

line_profiler

如果我們除了想知道代碼整體的運行時間之外，還要精確分析每行代碼的運行時間，那python的 line_profiler 模塊就可以幫到你啦！line_profiler 可以用來測試函數(shù)每行代碼的響應時間等情況。為了使用方便，可以將line_profiler 相關函數(shù)封裝在裝飾器中進行使用，這樣在接口請求時，則會執(zhí)行此裝飾器并打印出結果。

安裝：

pip install line_profiler

使用：

from flask import Flask, jsonifyimport timefrom functools import wrapsfrom line_profiler import LineProfiler
# 查詢接口中每行代碼執(zhí)行的時間def func_line_time(f):    @wraps(f)    def decorator(*args, **kwargs):        func_return = f(*args, **kwargs)        lp = LineProfiler()        lp_wrap = lp(f)        lp_wrap(*args, **kwargs)         lp.print_stats()         return func_return     return decorator
app = Flask(__name__)
@app.route('/line_test') @func_line_time def line_test():     for item in range(5):         time.sleep(1)     for item in xrange(5):         time.sleep(0.5)     return jsonify({'code':200})
  if __name__=='__main__': app.run()

輸出：

* Running on http://127.0.0.1:5000/Timer unit: 1e-06 s
Total time: 7.50827 sFile: /home/rgc/baidu_eye/carrier/test/flask_line_profiler_test.pyFunction: line_test at line 22
Line #      Hits         Time  Per Hit   % Time  Line Contents==============================================================                                          @app.route('/line_test')                                          @func_line_time                                          def line_test():        6         33.0      5.5      0.0      for item in range(5):        5    5005225.0 1001045.0     66.7          time.sleep(1)        6         31.0      5.2      0.0      for item in xrange(5):        5    2502696.0 500539.2     33.3          time.sleep(0.5)        1        282.0    282.0      0.0      return jsonify({'code':200})
127.0.0.1 - - [05/Mar/2018 15:58:21] "GET /line_test HTTP/1.1" 200 -

pyheat

相較于上面的代碼運行時間測試工具，pyheat 通過matplotlib 的繪制熱力圖來展現(xiàn)代碼的運行時間，顯得更為直觀

安裝：

pip install py-heat

使用方法：

pyheat  --out image_file.png

heartrate

heartrate 也是一個可視化的監(jiān)測工具，可以像監(jiān)測心率一樣追蹤程序運行，通過web頁面可視化Python程序的執(zhí)行過程。

左側數(shù)字表示每行代碼被觸發(fā)的次數(shù)。長方框表示最近被觸發(fā)的代碼行——方框越長表示觸發(fā)次數(shù)越多，顏色越淺表示最近被觸發(fā)次數(shù)越多。該工具記錄的是每行代碼執(zhí)行的次數(shù)，

而不是具體執(zhí)行時間，在性能調試的時候有些雞肋

安裝：

pip install --user heartrate

使用：

import heartratefrom heartrate import trace, files
heartrate.trace(browser=True)trace(files=files.path_contains('my_app', 'my_library'))

以上就是幾款常用的Python性能優(yōu)化工具。但工具只是輔助，核心還是需要寫代碼的人要有代碼優(yōu)化的意識以及對語言和代碼的深入理解。這是一個長期積累的過程。堅持讀代碼、寫代碼，你的代碼性能自然也會隨著你的能力不斷提高！

作者：Alpha 3

來源：數(shù)據(jù)科學雜談

_往期文章推薦_

測一測，你寫的代碼性能好嗎？

介紹幾款Python性能優(yōu)化工具