关于python:python四个性能检测工具包括函数的运行内存时间等等

50次阅读

共计 2162 个字符，预计需要花费 6 分钟才能阅读完成。

python 尽管是一门 ’ 慢语言 ’，然而也有着比拟多的性能检测工具来帮忙咱们优化程序的运行效率。

【浏览全文】

这里总结了五个比拟好的 python 性能检测工具，包含内存应用、运行工夫、执行次数等方面。

首先，来编写一个根底的 python 函数用于在前面的各种性能测试。

def base_func():
    for n in range(10000):
        print('以后 n 的值是：{}'.format(n))

1、memory_profiler 过程监督

memory_profiler 是 python 的非标准库，所以这里采纳 pip 的形式进行装置。
它可能监督过程、理解内存应用等状况。

pip install memory_profiler

装置好 memory_profiler 库当前，间接应用注解的形式进行测试

from memory_profiler import profile

@profile
def base_func1():
    for n in range(10000):
        print('以后 n 的值是：{}'.format(n))


base_func1()

# Line #    Mem usage    Increment  Occurrences   Line Contents
# =============================================================
#     28     45.3 MiB     45.3 MiB           1   @profile
#     29                                         def base_func():
#     30     45.3 MiB      0.0 MiB       10001       for n in range(10000):
#     31     45.3 MiB      0.0 MiB       10000           print('以后 n 的值是：{}'.format(n))

从返回的数据后果来看，执行以后函数应用了 45.3 MiB 的内存。

2、timeit 工夫应用状况

timeit 是 python 的内置模块，能够测试单元格的代码运行工夫，因为是内置模块所以并不需要独自装置。

import timeit

def base_func2():
    for n in range(10000):
        print('以后 n 的值是：{}'.format(n))

res = timeit.timeit(base_func2,number=5)

print('以后的函数的运行工夫是：{}'.format(res))

以后的函数的运行工夫是：0.9675800999999993

依据下面函数的运行返回后果，函数的运行工夫是 0.96 秒。

3、line_profiler 行代码运行工夫检测

如果在只须要检测函数的部分运行工夫的话就能够应用 line_profiler 了，它能够检测出每行代码的运行工夫。
line_profiler 是 python 的非标准库，应用的应用 pip 的形式装置一下。

pip install line_profiler

最简便的应用形式间接将须要测试的函数退出即可。

def base_func3():
    for n in range(10000):
        print('以后 n 的值是：{}'.format(n))

from line_profiler import LineProfiler

lp = LineProfiler()

lp_wrap = lp(base_func3)

lp_wrap()

lp.print_stats()

# Line #      Hits         Time  Per Hit   % Time  Line Contents
# ==============================================================
#     72                                           def base_func3():
#     73     10001     162738.0     16.3      4.8      for n in range(10000):
#     74     10000    3207772.0    320.8     95.2          print('以后 n 的值是：{}'.format(n))

从运行后果能够看出每行代码的运行工夫及比例，留神这里的工夫单位是奥妙。

4、heartrate 可视化检测工具

heartrate 最值得举荐的是能够在网页上面向检测心率一样检测程序的执行过程，同时，
他还是非标准库，应用 pip 的形式进行装置。

# pip install heartrate

import heartrate

heartrate.trace(browser=True)

def base_func4():
    for n in range(10000):
        print('以后 n 的值是：{}'.format(n))

运行当前，控制台打印如下日志：

#  * Serving Flask app "heartrate.core" (lazy loading)
#  * Environment: production
#    WARNING: This is a development server. Do not use it in a production deployment.
#    Use a production WSGI server instead.
#  * Debug mode: off

并且主动关上浏览器地址：http://127.0.0.1:9999

【往期精彩】

python-turtle 绘制雪容融，已打包成 exe 可间接运行（附源码）

如何将多张图片合成 mp4 视频格式，并退出背景音乐 …

模型曾经写好了，怎么表白就看你的了！

python 如何实现网络测试，理解一下 speedtest-cli…

又是樱花盛开的节令，应用小乌龟来画一颗樱花树吧！

正文完